引言
想要紧跟行业的发展步伐并不容易；几乎在每一本出版物中都能看到像物联网、M2M、工业4.0和智能流程这样的术语。除了流行术语外，这些技术背后的实质推动着第四次工业革命。
下一代制造
如果我们接受工业3.0的定义——使工厂生产流程的计算机化和自动化实现智能，那么我建议工业4.0的定义应该为这一理念的扩展，包括制造高质量产品所需的所有支持流程。工业4.0将工厂车间计算机与整个供应链中所有基于物流的计算机连接起来，将彻底改变企业的生产方式。再加之智能算法、机器学习和客户连接，将使目前的线性/顺序处理转变为下一代的“智能流程”。要实现这一目标，以下5个特性对于成功的转变至关重要。
- IIoT
智能工厂要求核心底层流程相互连接并“对话”，以生成实时流程决策所需的数据，即IIoT（工业物联网）。在一个真正互连的工厂中，设备、业务流程、供应商和客户之间的持续对话是在后台进行。此对话不仅是交互式的，而且是主动的，因为不断的实时数据流正在调整流程以推动改进。它还可提供有关流程如何运行、供应链管道和交付状态更新的时间关键信息，所有这些都基于数据。在开始实施工厂智能化时，为商务模式采用正确的技术、数据和分析基础设施非常重要。随着IIoT项目的发展和成熟，需要从端到端重新架构公司流程，以实现软件互操作性、数据管理、速度和可扩展性。
- 网络物理系统
网络物理系统是计算机、网络和物理流程的集成。计算机和网络通过反馈环监视和控制物理流程；物理系统作出反应；系统采用软件解释动作并跟踪结果。该系统是基于嵌入式计算机和设备内的软件，不是传统的数据计算，而是作为一个行动和机器学习的循环。智能工厂通过增强智能改善的灵活系统，可以在更广泛的网络中实现自我优化。网络物理系统能够实时或近实时地自适应和学习新的条件，并自主地运行整个生产流程。
传统的手工工艺优化方法包括4项任务：
a） 了解流程
b） 创建流程模型
c） 识别约束和优化参数
d） 优化流程模型
通过之前的连接特性和“机器学习”，智能流程可以根据是否有效来动态调整流程。如何实现动态调整？流程可通过设备、软件、过程KPI之间的数据交换和从连接中获得的数据 “学习”。基于这些信息，流程模型可以决定哪种系统配置可提供最佳性能。网络和物理组件的集成提供了新的机遇和挑战。这些好处包括传统物理系统的新功能，如车辆的制动器和发动机、生化过程的智能控制系统以及可穿戴设备。另一方面，从设计和流程的角度来看，网络部分的集成增加了新的复杂性层次。
- 数据基础设施
“数据驱动的世界将始终在运行、始终在跟踪、始终在监控、始终在倾听、始终在观察，因为它始终在学习。” [1]
数据基础设施是指收集、解释和分析组织产生的海量数据所需的硬件、固件和软件。大数据的定义是从组织内外的传统和数字来源收集数据，为持续的发现和分析提供资源。在当今的商业环境中，从系统、传感器到移动设备，数据的收集无处不在。面临的挑战是，行业仍在开发收集、解释和分析数据的最佳方法。随着大量数据的获取，拥有强大的数据基础设施来管控这些任务对于工业4.0和智能流程来说至关重要。
大数据趣事[1]
- 到2025年，全球数据将增长到175 ZB（泽它字节）一个泽它字节相当于一万亿千兆字节，以目前互联网平均连接速度下载175ZB需要18亿年
- 上班族平均每天都会收到110至120封电子邮件，相当于任何一天将产生约1240亿封电子邮件
- 亚马逊每分钟销售额可达28.3万美元
- 到2025年，全球49%的存储数据将保存在公共云环境中
- 就数据准备状态（DATCON）成熟度而言，制造业和金融服务业将是领先行业
- 到2025年，全球将有超过1500亿台设备处于连接中
- 数字供应网络
数字技术正在颠覆传统业务，从报价到发货，现在每一项业务都是数字化的。对供应链管理的影响尤为巨大。如果不重新制定供应链战略，企业就无法充分挖掘数字化的潜力。数字供应网络只是一个通过自动化系统和基于网络或云解决方案管理的供应链。供应链正迅速从线性物流转变为包含越来越多新兴技术和数字连接的物流。众所周知，机器人技术、物理系统和其他创新正在使现代供应链具备新的、以前无法想象的功能，如24/7连接性、增强的可见性和效率。供应链专业人士正在借鉴其他业务领域的数字化创新，创建一个3阶段闭环供应链数字化转型（图2）：
- 物理到数字：从物理世界捕获信息，以创建供应链及其所发生情况的数字记录。这些创新的例子包括传感器、控制装置、GPS、可穿戴设备和3D扫描。
- 数字到数字：利用先进算法和机器对机器通信的能力，实现对来自多个资源实时数据的高级分析，例如预测分析、人工智能和机器学习。
- 数字到物理：使用自动化和其他技术将数字领域的决策和行动转化为供应链中的物理结果。例如，自主机器人和控制系统、实时地理空间可视化、自动驾驶车辆、无人机、远程维护和三维打印。
图2：所有业务现在都是数字化的
然而，为了充分实现数字化供应网络，制造商需要采用新的工作方式，并在3个方面扩展供应链管理：
- 横向集成为组织提供动力的无数操作系统
- 垂直集成互连制造系统
- 通过整个价值链实现端到端的整体集成
- 智能自动化
多年来，各种组织一直致力于实现自动化，使人们从耗时的手工工作中解放出来。今天，自动化已经从工厂转移到组织的方方面面，以支持更好的工作方式，推动业务增长。当智能自动化与人们一起协作达到更好的结果时，它就会蓬勃发展。再次强调：要在智能自动化方面取得成功，关键是要以人为本，不
断开发人的技能和作用，真正充分利用智能自动化带来的优势。随着自动化的发展，人们一直担心组织将不再需要他们，但事实是人才是一切的根本（图3）。
图3：确保充分利用数字世界的优势
人员和自动化流程必须在整个工作流中进行协作，以相互补充和弥补彼此的不足。虽然技能和职位可能与以前大不相同，但人是工业4.0和智能流程中不可替代的组成部分。高效设计的流程不仅应该利用技术的力量来处理大量的数据或高精度地执行重复的任务，而且应该认识到人为决策、改进和创新所增加的品质。最广泛使用的智能自动化工具之一是“智能算法”。智能算法即将渗透到商业和我们日常生活的方方面面。你是否曾经在获得技术支持时进行过在线“聊天”，聊天机器人会在将你与真正客服联系之前尝试回答你的问题或缩小问题范围？说“嗨，Siri”或者“Alexa，演奏乡村音乐”怎么样？“这些是智能算法的主要例子。大多数最初的努力集中在“低垂的果实”，例如用自然语言处理交互取代笨拙的文本界面，在巨大的数据集中执行模式识别，或者使需要低人类智能的重复或高度规范的过程实现自动化。目前智能算法开发正在实现更高附加值任务的自动化。
工业5.0？
当我们的公司从工业3.0带给我们的计算机化和自动化的集成转变到工业4.0实现的连接性、机器学习和智能流程时，站在时代的最前沿让我们无比兴奋。当我们争先恐后地享受这项技术带来的难以置信的优势时，我知道有些人在某处已经在思考工业5.0将会实现的优势。
References
- IDC White Paper – #US44413318
