更新2月25日，2021年2月25日
第四次工业革命的制造商指南：
工业4.0，也被称为第四次工业革命(4IR)，是一个包罗万象的术语，指的是计算机、数据和自动化的发展方式，它们共同改变了工作方式，尤其是制造业。
在第三次工业革命(包括个人电脑和互联网的诞生)的基础上，工业4.0通过模糊数字世界和物理世界之间的界限，将技术带入下一场革命。自动化、人工智能、物联网等元素越来越普遍。过去的工业革命主要是技术的进步，而工业4.0更多的是技术的发展及其对日常生活的影响。
在过去，工业变革和技术进步的特点可能是既解决了一些问题，也制造了一些问题，而工业4.0则是利用现有的东西并加以改进。因此，尽管大规模计算和数据获取等技术并不新鲜，但应用云计算4.0层意味着，以前保留在筒仓中的数据现在可以在组织的多个级别和世界各地共享。
脱离传统制造业，行业4.0可以减少该行业目前面临的许多挑战的应变，包括必须在全球市场中竞争其伴随的波动，缩短了越来越复杂的产品的生产周期，允许审查和审查能力分析数据，导致有价值的见解。随着公司能够从最大的灵活性和最低成本从事课程纠正，更改不再令人担忧的趋势，并且预测性维护创造了更多的效率和更强大的底线。
由于工业4.0不仅仅是推动技术进步，而且实际上是推动技术进步，经济指标开始关注创新，而不是创造。一个公司可以创新和创建一个新的商业模式——从最初的想法到实施——其周期比过去快得多。
工业4.0并没有像以前的工业革命那样，消除人类互动的需求，而是在技术上进行创新，把客户放在第一位。更快的上市，按需生产和更容易的定制水平，确保客户的满意度在一个全新的水平。即使是那些将与通过物联网或机器人技术和自动化技术改进的机器一起工作的人，也会发现他们的命运得到了改善，因为重复性的简单任务将被淘汰，人们将致力于解决问题或创新。
有两个需求驱动制造商拥抱工业4.0。
首先，也是最有价值的，是客户。他们的欲望和需求在不断变化，他们对产品的需求比过去更快、更便宜、使用的资源仍然更少。此外，定制是游戏的名称，这在以前的技术发展中是昂贵和低效的，但随着工业4.0的出现，它可以成为标准。例如，3D打印可以在高度定制的项目上实现短期、快速的生产周转，成本略高于全面生产。
其次是数据本身：获取和分析制造商不断生产的大量历史数据的能力是有用的智能，以便制定需求、生产和维护计划。提高效率和生产率，同时保证高端产品质量，都有利于制造商的健康。
最后，利用云计算和连接的能力意味着全球市场的限制几乎为零。距离和不同的时区不再是一个问题，所有级别的工人都可以访问他们需要的数据，从供应链资源到生产和运输，以对任何给定用户都有用的方式实时显示。
制造业自诞生以来已经发生了巨大的变化。四次工业革命都带来了四大技术进步
这是制造业转向工具和机械的时候。从17世纪末到18世纪初，这个时代流行的技术包括动力织机、梳棉机、纺纱骡和纺纱机。水被用来为动力织机等设备提供动力，这一趋势发展到了与之相对应的高功率设备蒸汽。在此期间，蒸汽机因各种各样的用例而流行起来。这与这场革命之前使用的人工和动物劳动形成了对比。
从18世纪后期到20世纪初，第二个工业革命标志着一段快速的技术进步，导致了工业化和标准化，因为需要可互换的部件来支持这种增长。这是我们所知道的生产线的存在。流行的技术和主要进步包括电力，电话，钢铁和第一艘现代船。
由于快速采用数字电子产品，第三次工业革命有时被称为数字革命。微处理器，PC，手机和互联网所有在20世纪后期发生的第三个工业革命期间都是主要技术。这标志着开始信息时代．
自动化是第四次工业革命(工业4.0)的主要区别。机器对机器通信和物联网技术带来了智能工厂、智能传感器、使用机器数据和机器学习的预测性维护，以及增材制造，这些都来自第四次工业革命。在适用的情况下，此周期将人从循环中删除。许多专家认为这就是我们当前在历史上的位置。
一些专家认为，我们现在站在工业4.0的另一边，而是站在第五次工业革命（工业5.0）的风口浪尖上。尽管分歧仍然存在，5IR非常重视人类的智力。正是在这场工业革命中，人类和机器最终必须共同努力才能取得进步。一个可以被认为是萌芽5IR技术的例子是埃隆马斯克的Neuralink或者MachineMetrics”操作符指示板，其中覆盖了用机器数据覆盖人类的背景，以便更好地更准确地进行ML分析。
有三种关键方法可以确保实施行业4.0 - 以及在工厂落地上的IOT集成 - 在您的制造环境中没有太多难度：
当你将人类排除在这个循环之外时，你也消除了人类的低效和不准确。随着基于数字的更好的资源分配，需要更少的资源来保持生产率的最佳水平。当数据和机器学习结合在一起进行预测性和规定性维护时，停机时间就会减少，使机器保持最佳状态，同时又不牺牲仓库空间来供应过多不必要的备件，或进行定期的停机时间安排。
当决策是基于数字，而这些数字也可以根据不同的情况随意改变时，制造商就能获得敏捷性的巨大提升。有了数字支持决策，当机会出现时，就有可能迅速转向，甚至在预测需求的供应已经满足的情况下，打开一次性生产的机会。
这来自各种因素。提高效率和生产率意味着最大化的产出。用于预测性维护的传感器数据会降低停机时间以及废料。更好的资源规划意味着提前材料花费的开销较少，仓库空间（也可以使用ML优化），以及整体较低的运营成本，增加收入潜力。
制造商经常被淹没在他们无法合理使用的数据中。由于内部人才(或外部服务)的缺乏，这些数据的用处被削弱了如何清理和组织数据正确回答业务问题. 许多制造商进入工业4.0时都希望数据解决方案是即插即用的，并且所有这些解决方案都能和谐地协同工作。尤其是早期的采用者经常会伤心地发现，他们的数据是一系列不同的格式，无法协同工作，没有一个一键式按钮，拉所有的数据来回答他们当时的任何问题。数据规范化引擎和低代码ML环境现在解决了其中一些问题，使公民数据科学成为使用和允许它的企业的福音，但许多制造商仍然拥有充满信息的数据仓库，没有办法使用它。
虽然世界上有很多有才华的人，但现在对特定类型人才的需求比以往任何时候都要大，而且供给似乎跟不上需求。在过去的十年里，内部数据科学家一直是一种奢侈品，甚至那些雇佣了数据科学家的公司也经常发现他们是一个瓶颈，因为他们负担过重。由于供需极度悬殊，最近一段时间，数据科学家们基本上都有了一个叫“你的价格”的选择。数据分析员和低代码ML环境使得部署新算法的过程更快、更简单，但是数据科学领域的专家仍然短缺。
员工的主要数字转型可能是压力。缺乏变革管理程序已经留下了许多公司在混乱中以及许多员工担心他们将失去对AI或机器人的工作（尽管这与行业前景不一致5.0）。打破筒仓并要求交互部门合作可能导致曾经竞争的紧张局势。公司文化必须发展成为一个开放，创新和协作的行业4.0的好处，以完全实现，快速，基于数据的动作而不是长期审议最终在现代商业环境中赢得了胜利。
作为工业4.0创新的一部分，有哪些解决方案和技术?我们有一个关于4IR技术的完整文章以下是对前10名的简要总结:
这是使用传感器、跟踪像素、调查和任何其他数据流收集的大量数据，这些数据存储在这些数据流中，以及分析这些数据的方法，如使用边缘计算和机器学习。
这些机器人可以独立工作，无需人工干预。使用ML，这些机器人可以做出实时的决定和纠正，以执行它们被编程的任务。
这是一个系统的数字版本，比如工厂的生产车间。通过在制造设备和类似的数字设备上使用传感器，企业可以看到一个系统的虚拟“孪生”，然后他们可以使用这个系统进行分析、测试等。
这指的是系统各个方面的连通性，包括横向和纵向的连通性，比如跨设施的部门协作，以及不同资历级别的机器数据共享和交互。
这是任何用于工业设置的物联网设备，如智能暖通空调控制或制造机器传感器。的MachineMetrics IIoT平台通过强大的应用程序将您的车间数据从洞察转化为行动，减少机器停机时间，增加您的吞吐量，并在您的制造设备的驱动下最大化利润。
网络安全在IR4中至关重要，因为机器的涌入意味着需要保护的安全漏洞数量的增加。
这是通常通过互联网访问的异地可访问信息存储。它不需要本地硬件和制造商可以根据需要访问计算机资源吗而不需要积极管理这些资源。
这是一种制造方式，它不会通过切割、打磨等方式带走东西，而是添加材料来创建一个对象。3D打印就是最突出的例子。
人工智能指的是能够通过训练数据和持续的预测机会形成连接，自己学习并得出结论的机器。
AR指的是物质世界上的信息叠加。值得注意的例子包括Snapchat滤镜和Pokémon Go，但在商业世界中也有很多用例，特别是在培训和维护方面。
准备好授权你的车间?
了解更多.svg)
注释