2021年2月25日更新
工业4.0，也被称为第四次工业革命，或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。
工业4.0建立在第三次工业革命(包括个人电脑和互联网的创造)的基础上，通过模糊数字世界和物理世界之间的界限，将技术带入下一个发展阶段。自动化、人工智能、物联网等元素正变得越来越普遍。过去的工业革命本质上是关于技术的进步，而工业4.0更多的是关于技术的演变及其对日常生活的影响。
虽然过去的工业变革和技术进步可能被描述为制造问题，但它解决了一些问题，但工业4.0是关于利用现有的并对其进行改进。因此，虽然大规模计算和数据采集等技术并不新鲜，但应用云计算4.0层意味着以前保留在孤岛中的数据现在可以在组织的许多级别之间共享，甚至可以在全球范围内共享。
远离传统制造业，工业4.0可以减轻行业目前面临的许多挑战带来的压力，包括必须在全球市场中竞争，随之而来的波动，缩短日益复杂的产品的生产周期，允许审查和分析数据的能力，从而产生有价值的见解。变化的趋势不再令人担忧，因为公司能够以最大的灵活性和最小的成本进行航向修正，预测性维护可以提高效率和更强的底线。
由于工业4.0不仅仅是推动技术进步，而且实际上是在发展技术，经济指标变得更关注创新，而不是创造。一个公司可以以比过去快得多的周期，从最初的想法到实施，创新和创造一种新的商业模式。
工业4.0并没有像以前的工业革命那样消除人与人之间的互动，而是在技术上进行创新，把客户放在第一位。更快的市场，按需生产和更容易的定制水平确保客户满意度在一个全新的水平。即使是那些将与被物联网或机器人和自动化改进的机器一起工作的人，也会发现他们的生活得到了改善，因为重复的简单任务将被消除，而有利于解决问题或创新。
有几个需求驱使制造商拥抱工业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，他们对产品的需求也在不断变化，比过去更快，更便宜，使用更少的资源。此外，定制是游戏的名称，在以前的技术演变中，这是昂贵和低效的，但随着工业4.0的发展，这可能成为常态。例如，3D打印可以在短期内快速生产高度定制的产品，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产生的大量历史数据的能力是可用的智能，可以用于需求、生产和维护计划。提高效率和生产力，同时保证高端产品质量，都有利于制造商的健康发展。
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，因为各级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，实时显示，以对任何给定用户都有意义的方式。
制造业自其不起眼的开始以来已经发生了巨大的变化。四次工业革命都伴随着四大技术进步
这是制造业转向工具和机械的时候。这个时代——从18世纪末到19世纪初——流行的技术包括动力织机、梳理机、纺纱机和珍妮纺纱机。水被用来为诸如动力织机之类的设备提供动力，这种趋势发展到它的高动力对手，蒸汽。在此期间，蒸汽机在各种用例中变得流行起来。这与革命之前使用的人工劳动和动物劳动形成鲜明对比。
从19世纪末到20世纪初，第二次工业革命标志着技术快速进步的时期，由于需要可互换的部件来支持这种增长，导致了工业化和标准化的增加。这就是我们所知道的生产线出现的时候。流行的技术和主要的进步包括电力、电话、钢铁和第一艘现代船。
由于数字电子产品的迅速普及，第三次工业革命有时也被称为数字革命。微处理器、个人电脑、手机和互联网都是发生在20世纪后半叶的第三次工业革命期间的主要技术。这标志着……的开始资讯时代．
自动化是第四次工业革命(工业4.0)的最大区别。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。这段时间在适用的情况下将人从循环中移除。许多专家认为这是我们目前在历史上的位置。
一些专家认为，我们现在正处于工业4.0的另一端，而是处于第五次工业革命(工业5.0)的风口浪尖。虽然分歧仍然存在，但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。埃隆·马斯克(Elon Musk)的5IR技术就是一个例子Neuralink或MachineMetrics的操作员仪表板，它将人类背景与机器数据叠加在一起，以实现更好、更准确的机器学习分析。
有三种关键方法可以确保在制造环境中实施工业4.0(特别是工厂车间的物联网集成)没有太大困难:
当你把人从循环中剔除时，你也消除了人的低效率和不准确性。有了更好的基于数字的资源分配，维持最佳生产力水平所需的资源就更少了。当数据和机器学习结合在一起进行预测性和规范性维护时，停机时间会减少，使机器保持最佳状态，同时不会因为不必要的备件供过于求或定期停机而牺牲仓库空间。
当决策是基于可以随意更改的数字以查看替代方案时，制造商将获得敏捷性大幅提升的回报。有了数据作为决策的依据，就有可能在机会出现时迅速做出调整，甚至在预测需求的供应已经得到满足的情况下，开辟一次性生产的机会。
这是由多种因素造成的。效率和生产率的提高意味着产出的最大化。用于预测性维护的传感器数据减少了停机时间和废料。更好的资源规划意味着前期材料支出和仓库空间(也可以使用ML进行优化)的开销更少，总体运营成本更低，收入潜力更大。
制造商经常被淹没在他们无法合理使用的数据中。这些数据的有用性被缺乏理解的内部人才(或外部服务)所耗尽如何清理和组织数据——正确的数据——以回答业务问题．许多进入工业4.0的制造商都希望数据解决方案是即插即用的，并且它们都能和谐地协同工作。尤其是早期的采用者经常会难过地发现，他们的数据是一系列不同的格式，不能一起工作，也没有一键式的按钮来拉出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的一些问题，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，无法使用它。
虽然世界上有许多有才华的人，但现在比以往任何时候都更需要特定类型的人才，而供应似乎无法跟上需求。在过去的十年里，内部数据科学家一直是一种奢侈，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。近年来，由于供需的极端差异，数据科学家在很大程度上选择了“定价”。数据分析师和低代码ML环境使得部署新算法的过程更快、更简单，但数据科学领域仍然缺乏专家。
重大的数字化转型可能会给员工带来压力。缺乏变革管理程序使许多公司陷入混乱，许多员工担心他们会因为人工智能或机器人而失去工作(尽管这与工业5.0的前景不符)。打破各自为政，要求部门间合作，可能会在曾经存在竞争的地方造成紧张局势。企业文化必须发展成为一个开放、创新和协作的地方，以充分实现工业4.0的好处，在现代商业环境中，快速、基于数据的行动而不是长时间的深思熟虑最终会赢得胜利。
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，但这里是对前10名的快速总结:
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，这些数据存储在哪里，以及通过使用边缘计算和机器学习等方法来分析这些数据。
这些机器人可以自己工作，不需要人工输入。使用机器学习，这些机器人可以即时做出决定和纠正，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，企业可以看到系统的虚拟“双胞胎”，然后他们可以将其用于分析、测试等。
这指的是系统各个方面的连通性，包括横向和纵向，例如跨设施的部门合作，以及机器数据共享和不同级别级别之间的交互。
这是在工业环境中使用的任何物联网设备，如智能暖通空调控制或制造机器传感器。的机械计量工业物联网平台通过强大的应用程序将车间数据从洞察力转化为行动，减少机器停机时间，提高吞吐量，并最大限度地提高制造设备驱动的盈利能力。
网络安全在IR4中至关重要，因为机器的涌入意味着必须保护的安全漏洞数量的增加。
这是一种通常通过互联网访问的异地信息存储。它不需要本地硬件和制造商可以利用它按需访问计算机资源吗而不需要主动管理这些资源。
这是一种不通过切割、研磨等方式拿走东西的制造，而是添加材料来创造一个物体。3D打印就是最突出的例子。
人工智能是指能够通过使用训练数据和持续预测机会形成联系，从而自主学习并得出结论的机器。
AR指的是信息在物理世界上的叠加。值得注意的例子包括Snapchat过滤器和poksammon Go，但在商业世界中也存在许多用例，特别是在培训和维护方面。
准备好赋予车间权力了吗?
了解更多.svg)
评论