《大数据时代》01 什么是大数据？

今天我们第一本解读的是《大数据时代》这本书。
大数据是这几年特别火的一个词，那究竟什么是大数据呢？

字面意思可以理解为大数据就是数量巨大的数据，而这些巨大的数据再结合云计算、人工智能、物联网等技术会对于我们的生活、工作都会带来翻天覆地的影响。
芝加哥大学商学院教授、麦肯锡公司创始人，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”
而我们今天所讲的这本《大数据时代》是国外大数据研究的先河之作，本书作者舍恩伯格被誉为“大数据商业应用第一人”。舍恩伯格在书中前瞻性地指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型，并用三个部分讲述了大数据时代的思维变革、商业变革和管理变革。对于身处于大数据时代额我们可谓是会产生异常极大的思维方式的变革。
舍恩伯格最具洞见之处在于，他明确指出，大数据时代最大的转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。这就颠覆了千百年来人类的思维惯例，对人类的认知和与世界交流的方式提出了全新的挑战。
下面我们就进入到《大数据时代》这本书中去吧。

首先来看第一个话题大数据的思维变革

大数据与三个重大的思维变革有关，而这三个转变是相互作用的。
一不是随机样本，而是全体数据

解释一下就是分析事物相关的所有数据，而不是仅仅依靠分析少量的数据样本。
二是不是精确性，而是混杂性

就是要接受数据的纷繁复杂，而不再追求准确性。
三是不是因果关系，而是相关关系

即不再追求难以摸索的因果关系，转而关注事物的相关关系。

这三个在大数据时代思维变革的转变我们会在接下来节目中一一讲解。
今天我们这一节先讲解：不是随机样本，而是全体样本，这一思维的变革。

小数据时代的随机抽样

为什么这么说呢？在我们过去技术并不发达的时候，只能用少量数据来进行随机采样是最高效的方式，即利用最少的数据来获取更多的信息。
在19世纪时美国的人口普查中，因为数据的变化超过了当时的人口普查统计分析能力，有人提出到数据无比庞大时可以进行有目的的选择，具有选出代表性的样本是最恰当的方式，这就是随机抽样。并且还非常有见解的提出：采样分析的精确性是随着采样随机性的增加而大幅的提高与样本的数量增加关系并不大，也就是说，随机采样样本的随机性比数量的多少更为重要。
而在当时，政府确实也采用了随机调查的方式来对于经济和人口进行了200多次小规模的调查，除此之外，在商业领域也会采用随机调查的方式来抽取部分商品来检查商品的质量安全。
随机抽样取得了巨大的成功，成为了现代社会，现代测量领域的主心骨，但这只是一条捷径，是不可能收集和分析全部数据情况下的选择，他本身就有很多的缺陷。

随机抽样的缺陷

第一，它的成功依赖于采样的绝对随机性，但在实现中绝对的随机性是非常困难，一旦分析过程中存在任何“偏见”，分析结果就会相去甚远。
第二，随机采样不适宜用于考察此类别的情况，也就是说随机抽样，一旦继续细分错误率会大大增加，比如说你想调查大学生玩手机的情况，您采取的调查结果可能会有3%的误差，但如果又把这个调查结果根据性别地域、收入来进行细分，那结果就会变得更为不准确。
因此当人们想要了解更深层次的细分领域的情况，采用随机采样的方法显然是不可取的，在宏观领域起作用的方法，在微观领域上失去了作用，随机采样就像是模拟照片，打印再远看会是非常不错，但是一旦聚焦在某个点，就会变得模糊不清。
全部数据的采样方式

现在我们正在步入了大数据时代，我们需要一中新的数据采集模式----全数据模式，即样本等于总体。
我们这个时代收集数据，并不像过去那样困难，手机导航、社交网站、微博、微信这些随时随地或主动或被动的收集你所产生的信息，并且通过计算机就可以轻而易举地完成数据处理。
采取全部数据的采样方式，可以不用考虑随机抽样所考虑的随机性，并且在细分领域也会发挥极大的作用，一个很好的例子，就是日本国民体育运动相扑之中所产生的非法 *** 控比赛结果。
相扑比赛和其他比赛有所不同的就是选手需要在15场比赛之中的大部分场次获得胜利，才能保持排名和收入。这样一来就会出现收益不对称的情况，比如说一个7胜7负的选手，遇到一个8胜6负的选手，比赛结果对于第一个选手会比对第二个选手更为重要。列维特和达根发现在这种情况下，需要赢的那个选手，最可能会赢，这是为什么呢？有没有可能是选手的求胜心呢？当然有可能，但并不是完全！有数据显示需要赢的选手，求胜心，也只能把胜率增加25%。并且对于数据进一步分析发现，选手如果帮助上一次失利的一方的话，当他们再次相遇时，对方会回报回来。
这种情况在相扑界是显而易见的，但若是随机抽样就无法发现这个情况。而大数据通过分析所有比赛，用极大的数据来捕捉到这个情况。
还有关于大数据应用的例子是：2009年，谷歌公司将5000万条美国最频繁的检索词条和美国疾控中心在2003年至2008年季节性流感传播实际数据进行比较，成功预测了甲型H1N1流感的出现。
现在2021年，利用大数据来预测新冠肺炎的发展情况，已经成为我们日常新闻报道的一部分了。
在大数据时代的到来，让我们可以利用技术，从不同角度更细致的观察和研究数据的方方面面，使我们的调查更为精准。
回顾一下我们这一节所讲的过去的调查是采用小部分的数据来进行抽样调查，这一方法有显著的缺点

首先是抽样分析依赖于采样的随机性，而一旦数据出现”偏见“，结果便会大相径庭

第二抽样分析也只适用于宏观分析，对于更加微观的调查结果并不理想。

如今的技术环境已经有了很大的改善,在大数据时代进行抽样分析就是在汽车时代骑马一样，我们要分析与事物相关的而所有数据，而不仅仅是少量的数据。

以上就是我们本期全部内容，下一期我会讲到大数据时代下思维变革的后两个思维变革。
我的节目首发平台是公众号“悦读深入思考”关注还有更多内容

中国实施大数据战略有五大行动支点
大数据引擎业已成为组织创新、产业升级、经济社会发展、国家治理能力现代化的核心驱动力。在借鉴欧美发达国家大数据战略实施的先进经验基础上，中国中国实施大数据战略有五大行动支点。
变革时代的大数据革命
自“智慧地球”概念于2008年11月提出以来，整个地球都沉浸在如何变得更加智慧这个庞大的课题里。联合国秘书长执行办公室于2009年正式启动了“全球脉动”倡议项目，旨在推动数字数据与快速数据收集和分析方式创新。联合国2012年5月对外发布了《大数据促发展：挑战与机遇》白皮书，探讨如何利用互联网数据推动全球发展。随着大数据发展战略得到全球各国的高度重视，世界主要国家的“智慧国家”建设发展战略和行动计划风起云涌。由于大数据是数字化生存时代的新型战略资源，对国家治理和社会发展作用巨大，各国科技界、产业界和政府部门极为关注，于是“智慧企业”“智慧校园”“智慧医院”“智慧政府”“智慧城市”被不同类型组织列为发展目标。
科学技术是第一生产力，产业的每一次革命性跃迁都离不开科技革命的推动，往往只有那些抓住技术革命的战略机遇并迅速作出适应性调整的国家或民族才能不断生存发展。毫无疑问，大数据是当前一个事关经济社会发展全局的战略性产业，已经成为全球高科技产业竞争的前沿领域，以美、日、欧为代表的全球发达国家已经展开以大数据为核心的新一轮信息战略以及新一轮的人才竞争、技术竞争、产业竞争、企业竞争和国家竞争。报告显示，2014年，全球大数据市场增长速度达53%，总体规模为285亿美元。到2017年，全球大数据市场收入将达500亿美元，这意味着从2011年起连续6年年复合增长率达38%。中国市场情报中心有关统计显示，2012年中国大数据市场规模为45亿元，同比增长406%，到2018年，中国大数据市场规模将达到4634亿元。2012—2013年度，在欧美国家1217家营业额收入超过10亿美元的企业中，643家企业制定了大数据战略，其中7%的企业至少投入了5亿美元，15%的企业至少投入了1亿美元发展大数据。
显然，随着经济社会的发展，大数据带来的深刻影响和巨大价值逐渐被认识，它通过技术的创新与发展，以及数据的全面感知、收集、分析、共享，为我们提供了一种全新的看待世界的方法，大数据带来的信息风暴正在全方位地改变着我们的生活、工作和思维。
大数据战略实施的国际经验
欧美发达国家相继制定了大数据发展战略，并制订了具体的实施政策和行动计划，已经取得初步成效。总体而言，这些战略具有以下几个方面典型特征：
开放性。自2009年美国政府开放数据门户网站datagov上线以来，各国政府掀起开放数据运动。通过开放政府数据，提高政府透明度，提升政府治理能力和效率，更好地满足公众需求，促进社会创新，带动经济增长。据统计，截至2014年1月12日，开放数据运动已覆盖全球44个国家(地区)。2013年6月，八国集团首脑在北爱尔兰峰会上签署《开放数据宪章》，各国表示愿意进一步向公众开放可机读的政府数据，并在2013年末制定相应的行动计划。英国承诺2015年前开放有关交通运输、天气和健康方面的核心公共数据库，并将投资1000万英镑建立世界上首个“开放数据研究所”。2013年11月，法国政府出台《八国集团开放数据宪章行动计划》，作出“朝着默认公开发布数据的目标前进”“建立一个开放平台以鼓励创新和提高透明度”等几项承诺。
智能性。2010年11月，德国联邦政府启动“数字德国2015”战略，推动互联网服务、云计算、物联网、3D技术以及电动汽车信息通信技术等信息通讯产业的发展，推动实施基于传统制造业智能化和数据化的“工业制造40战略”，将物联网引入制造业，打造智能工厂，工厂通过CPS(网络物理系统)实现在全球互联。2011年，韩国就提出“智慧首尔2015”计划，目标是到2015年成为世界上最方便使用智能技术的城市，建立与市民沟通的智能行政服务，建成适应未来生活的基础设施和成为有创造力的智慧经济都市。2013年6月，日本安倍内阁公布《面向2020年的ICT综合战略》，全面阐述2013-2020年期间以发展开放公共数据和大数据为核心的日本新IT国家战略，提出要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”的目标。
价值性。2012年4月，英国经济与商业研究中心的一份研究报告预计了2012-2017年大数据产生的经济利益：2011年英国私企和公共部门企业的数据资产价值为251亿英镑，2017年将达到407亿英镑。大数据增加的创新与就业机会，将贡献价值240亿英镑，同时为小企业创造预计价值为420亿英镑的发展前景。该报告还预测大数据将创造新业务市场，即创造58000个就业机会。大数据可以更有效地改进客户需求分析，预计此项优化将产生738亿英镑的效益。大数据可以优化产品存量和资源分配，大大降低成本，预计产生460亿英镑的效益。同时，政府部门通过大数据可对医疗保健系统进行防欺诈检测和分析，预计节省不必要的支出达20亿英镑。显然，如果有意识地在更大的合理范围内开放大数据，大数据将带来更多的价值增殖。
应用性。2012年9月，IBM公司启动在加拿大安大略省巴里市兴建智能数据中心，即IBM加拿大领导数据中心，旨在推进节能化数据中心管理方面的研究和为企业提供能使其连续性经营的服务以及灾备数据服务。为响应公民对数据的需求，加拿大逐步开放地理空间数据，并将大数据研究列为政府科研基金重点资助对象。2013年8月，英国政府发布的《英国农业技术战略》指出，英国今后对农业技术的投资将集中在大数据上，目标是将英国的农业科技商业化。
保障性。2012年5月，美国政府宣布投资2亿美元提高大数据技术(包括数据的储存、分析、收集)，以加快科学研究、加强国家安全、改革教学和培训体系以及促进专业人才发展。2013年1月，英国商业、创新和技能部宣布注资6亿英镑发展8类高新技术，其中，189亿英镑用来发展大数据技术。“欧盟开放数据战略”将重点加强在数据处理技术、数据门户网站和科研数据基础设施三方面的投入，旨在欧洲企业与市民能自由获取欧盟公共管理部门的所有信息，建立一个汇集不同成员国以及欧洲机构数据的“泛欧门户”。
中国实施大数据战略的行动支点
为了应对大数据战略带来的机遇和挑战，借鉴欧美发达国家大数据战略实施的先进经验，我国需要在如下几个方面下功夫：
完善制度。完善知识产权保护体系，促进数据共享和整合，推动数据价值创造。加快制定相关标准和指南，制定大数据发展战略。出台法律，为涉及企业运营数据、客户信息、个人隐私和各种行为的详细记录数据提供法律保障。完善信息资源市场，界定信息产权，明确信息的所有权、使用权和收益权的规定，发挥市场在信息资源方面的优化配置作用。
构筑平台。成立大数据管理局，建立信息资源共享平台，开放政府信息资源。以部门业务信息为基础，从标准、流程、数据三个方面进行设计，建设“物理分散、逻辑集中”的公共数据中心，通过数据集中挖掘，提高数据利用率，提高各级政府行政管理效率和公共服务水平。
突破技术。在明确大数据关键技术的基础上，确定重点支持领域，加大研发支持力度，整合云计算、物联网等专项项目，支持大数据技术的开发、研究和应用示范，引导企业加大大数据研发力度，实现关键技术突破，特别需要优先支持大数据技术在舆情研判、疾病防治、灾害控制、交通安全、城市管理、公共服务、社会治理等民生领域的应用。在公共服务和公用事业管理中采购大数据技术，以政府采购引导国内大数据发展。
培养人才。加大高水平大数据人才的引进和培养力度，重点培育数据挖掘、机器学习等方面的专业人才。制定激励措施对企业管理者进行数据分析技术培训，提高大型企业管理人员的数据分析能力。同时，在大学相应阶段有针对性地增加相关大数据技术与分析课程，增加学生在感知技术、数据仓库、数据搜索、数据挖掘与可视化等领域的知识积累，扩大人才储备规模。
提供保障。设立大数据研发基金，加大大数据平台建设的投入力度，加强智慧企业、智慧医院、智慧政府、智慧城市建设。设立奖惩制度，强化大数据国家安全建设。建立预算制度，控制各部门经费流向，推动数据共享，防止“信息孤岛”现象的出现。

「1 智能制造推进的难点与问题」
我国制造业面临着异常严峻的挑战：人口红利消失、“未富先老”、企业招工难，人工成本迅速上升；高房价、高地价迫使国内制造业向内地转移，低成本制造业向东南亚国家转移；高赋税以及社保费用的压力也给企业带来高昂的运营成本；原材料价格上涨对下游行业带来巨大的成本压力；环保风暴也给很多企业敲响了警钟；中兴事件则暴露出我国制造业核心技术缺失的尴尬现状；而国际贸易争端更是对出口型企业雪上加霜。
在这种背景下，制造企业如何实现转型升级？推进智能制造成为重要的途径。然而，目前我国制造企业推进智能制造面临着诸多难点与问题：
第一，概念满天飞，技术一大堆。近几年来，从工业40的热潮开始，智能制造、信息物理系统（CPS）、工业互联网（平台）、企业上云、工业APP、人工智能、工业大数据、数字工厂、数字经济、数字化转型、C2B（C2M）等概念接踵而至，对于大多数制造企业而言，可以说是眼花缭乱、无所适从。智能制造涉及的技术非常多，例如云计算、边缘计算、RFID、工业机器人、机器视觉、立体仓库、AGV、虚拟现实/增强现实、三维打印/增材制造、工业安全、时间敏感网络、深度学习、数字孪生、MBD、预测性维护，让企业目不暇接。这些技术看起来都很美，但如何应用，如何取得实效？很多企业还不得而知。
第二，摸着石头过河。企业推进智能制造领域的相关技术十分缺乏经验，欠缺可以借鉴的成功案例。目前，制造企业已经存在3种类型的孤岛：信息孤岛、自动化孤岛，以及信息系统与自动化系统之间的孤岛。同时，企业也缺乏统一的部门来系统规划和推进智能制造。在实际推进智能制造的过程中，企业仍然是“头痛医头”，缺乏章法。
第三，理想很丰满，现实很骨感。推进智能制造，前景很美好。但是绝大多数制造企业利润率很低，缺乏自主资金投入。在“专项”“示范”以及“机器换人”等政策刺激下，一些国有企业和大型民营企业争取到各级政府给予的资金扶持，而中小企业只能“隔岸观火”，自力更生。
第四，自动化、数字化还是智能化？在推进智能制造过程中，不少企业对于建立无人工厂、黑灯工厂跃跃欲试，认为这就是智能工厂。而实际上，高度自动化是工业30的理念。对于大批量生产的产品，国外的优秀企业早就实现了无人工厂。例如，日本发那科仅需40s就能全自动装配完成一个伺服电机，但其前提是产品的标准化、系列化，以及面向自动化装配的设计，例如将需要用线缆进行插装的结构改为插座式的结构。e-works两次组团参观三菱电机的名古屋制作所可儿工厂，该工厂对于大批量生产的产品，大量应用机械手，实现高度自动化；对于中小批量的产品，推进低成本自动化，即部分工位的自动化；而对于单件定制的产品，采取手工装配。e-works考察团还参观施耐德电气的法国诺曼底工厂，该工厂是生产继电器的自动化工厂，该工厂实现了绕线、装配、包装等全流程的自动化，而且可以在一条产线生产多种变型产品，但实际上还不是智能工厂。还有西门子一直将被广泛誉为工业40典范的安贝格电子工厂也是被称为数字化工厂，其特点是人机协作的柔性自动化生产、智能物流、工业软件广泛应用、海量的数据采集以及大数据分析。
一个真正的智能工厂，应该是精益、柔性、绿色、节能和数据驱动，能够适应多品种小批量生产模式的工厂。智能工厂不是无人工厂，却是少人化和人机协作的工厂，推进智能工厂绝不是简单地实现机器换人。南京的爱立信工厂有一条装配线，一开始设置的自动化率是90%，后来发现调整为70%，增加若干人工工位，整体质量和效率反而是最优的。此外，对于装备制造行业，机加工等工序并不适合建立自动化生产线，而建立柔性制造系统（FMS）则是更现实的选择。马扎克（MAZAK）、发那科（FANUC）的机加工车间应用FMS已达到720小时无人值守，自动生产不同的机械零件。

图1 MAZAK的FMS（柔性制造系统）
第五，理性看待投资回报。制造企业的企业家，尤其是中小型民营企业的老板，非常关心投资回报。很多企业的要求就是必须能够在3～4年能够收回投资的信息化、自动化系统才投入，甚至有的期望值更高。然而，有些账容易算，比如某条产线减少了多少工人。有些账却不那么容易算，例如工业软件作为一个使能要素，企业离不开工业软件，却难以计算出它究竟为企业直接或间接节省了多少成本，赚了多少钱。如果选型、实施和应用不到位，更是常常用不起来，业务部门牢骚满腹。长此以往，制造企业更加重硬轻软，最后停留在简单地做一点局部的自动化改善。
第六，数据采集与设备联网，迈不过去的坎。企业要真正实现智能制造，必须进行生产、质量、设备状态和能耗等数据的自动采集，实现生产设备（机床、机器人）、检测设备、物流设备（AGV、立库、叉车等），以及移动终端的联网，没有这个基础，智能制造就是无源之水。但是，现阶段很多制造企业还停留在单机自动化阶段，甚至一些知名企业的生产线也未联网，没有基础的设备联网，何谈工业互联网？
第七，基础数据和管理基础。无论是推进企业信息化、两化融合，还是进一步实现数字化转型，推进智能制造，基础数据的规范性和准确性都是必要条件。很多企业在实施ERP，或者ERP升级换型的过程中，花费时间最多的就是基础数据的整理。企业管理的规范性、业务流程的清晰，也是企业推进智能制造的“敲门砖”。但现实的情况是，一些企业的基础数据还没有理顺，却在大谈“工业大数据”。这种舍本逐末的做法，注定是难以取得实效的。
「2 智能制造推进的5项基本原则」
随着我国劳动力成本迅速增长，节能减排的要求越来越高，市场竞争白热化，客户需求日益个性化，制造企业面临着越来越大的转型压力。在这种背景下，智能制造成为广大制造企业关注的热点。尤其是在车间的智能化改造方面，很多大中型制造企业开展了相关实践，还有众多企业在跃跃欲试。增加智能装备、建立智能产线、推进智能物流，减少人工，成为很多制造企业的共同选择。
智能制造势不可挡，但智能制造只是手段，不是目的。制造企业应当明确推进智能制造的目标，积极学习各种智能制造新兴技术，探讨应用各种智能制造技术的必要性、紧迫性与可行性，具体推进智能制造技术的应用必须做好需求分析与投入产出分析，明确总体拥有成本，根据自己的盈利水平确定合理的投资预算。千万不能为了智能化而智能化，为了争取政府项目而盲目大干快上智能制造项目，以免在老的信息孤岛问题、基础数据不准确的问题依然存在的情况下，又形成新的智能孤岛，甚至形成“仅供参观”的花架子。
因此，制造企业推进智能制造，需要把握以下5项基本原则：
原则1正确理解智能制造。智能制造中的“智能”还处于Smart阶段，智能制造（Smart manufacturing）系统具有数据采集、数据处理和数据分析的能力，能够实现闭环反馈。智能制造的未来趋势是实现“Intelligent”，实现自主学习、自主决策和优化提升。智能制造融合了信息技术、先进制造技术、自动化技术和智能化技术。智能制造中的“制造”指的是广义的制造，并不仅仅包括生产制造环节的智能化，而是包括制造业价值链各个环节的智能化。企业信息化和工业软件的深化应用，是推进智能制造的基础和前提条件。
原则2正确理解和应用智能制造使能技术。智能制造使能技术主要包括：物联网、增材制造（3D打印，包含设备、材料、工艺）、云计算、电子商务、电子数据交换（EDI）、PLC、DCS、自动识别技术（RFID、条码、机器视觉）、数控系统、大数据分析（包括工业大数据）、 虚拟现实/增强现实、Digital twin（数字孪生，包括产品、设备、车间）、工业安全、工业互联网、传感器、云制造和信息集成（EAI、ESB）等技术。需要明确的是，部分技术还处于发展的初期阶段，制造企业需要根据自身的产品特点、生产模式和运营模式来综合考虑应用方式。
原则3必须理解智能化与自动化的本质区别。那些将机器人应用和无人工厂说成是工业40的说法是错误的。企业在建设智能工厂时，要整体考虑智能装备的应用、生产线和装配线的数据采集方式、设备布局和车间物流优化、在制品在工序之间的转运方式、生产工艺的改进与优化、材料的创新等，而不仅仅是某些工位的“机器换人”。智能化生产线能够实现柔性的自动化，快速切换生产多种产品，或者可以混线生产多种产品，能够实现生产数据、质量数据的自动采集，并实现自动化系统与质量分析系统、MES系统的信息集成。
原则4必须做好整体规划，选择适合企业自身特点的实施方案，有效规避风险。推进智能制造需要解决更加复杂的、纵横交错的信息集成问题，例如IT系统与自动化系统的信息集成、供应链的数据交换；推进智能制造需要处理来源多样的异构数据，包括各种来自设备、产品、社交网络和信息系统的海量数据，需要确保基础数据的准确性；推进智能制造需要企业的IT部门、自动化部门、精益推进部门和业务部门，甚至供应链合作伙伴之间的通力合作。因此，制造企业必须充分认识到推进智能制造的复杂性、艰巨性和长期性。制造企业应当做好相关技术的培训，选择有实战经验的智能制造咨询服务机构，共同规划推进智能制造的蓝图。在整体规划的指导下，选择对于企业最有可能迅速见效的突破口优先实施。比如，推进基于物联网的预测性维护服务，促进企业已销售的产品的配件销售，提高客户服务满意度；或者通过实现生产线的智能化，提高设备的整体绩效和产品合格率；通过建立企业级BOM平台，实现产品的在线定制等。
原则5企业需要建立自己的专业队伍，并选择长期的战略合作伙伴。推进信息化是个系统工程，推进信息化与工业化深度融合是一个更大的系统工程，而推进智能制造更是一个非常复杂的系统工程，涉及到诸多工业软件的集成应用，涉及到智能装备应用、设备联网、数据采集、数据分析和业务流程优化，并且需要与推进精益管理结合起来推进，因此，制造企业需要建立自身的专业队伍，融合信息化、自动化和管理人才，并选择若干长期的战略合作伙伴，包括咨询服务机构、智能制造的整体集成商、解决方案提供商和服务商等。制造企业在推进智能制造项目时，必须注意选择在企业所在行业具有实施和服务经验，产品具有开放性和可扩展性，具有本地化服务能力的解决方案提供商，选择具有良好的沟通能力、项目管理能力和丰富行业经验的项目经理。在推进智能工厂项目时，尤其需要考虑解决方案提供商是否具备软件、硬件和自动化的综合实力。
总之，推进智能制造，既要积极布局前沿技术的应用，又要夯实基础，务实推进。纵观中国制造业推进信息技术应用30多年的历程，经历了一个又一个的“工程”，从“会计电算化”、“甩图板”、CIMS工程、“两甩（甩图纸、甩账表）”到制造业信息化工程；产生了一次又一次的“热潮”，从财务软件、CAD、ERP、ASP、云计算、电子商务等，既有政府的积极推进，也有国内外主流厂商的推波助澜。不少制造企业在条件还不具备、对新兴技术认识还不清晰的情况下，就盲目上马应用一些技术尚不成熟的信息化单元系统，实施与应用也不到位，最终形成了很多信息化孤岛，没有达到预期目标，甚至多次推倒重来。因此，不论市场上有哪些“热词”（buzz word）或者热潮，制造企业都不能再盲目跟风，而是应当保持冷静与理智，以免事与愿违。企业需要在提升基础管理水平的基础上循序渐进，积极、稳妥地推进智能制造，从而真正取得实效。
「3 智能制造推进的策略」
首先，推进智能制造的核心目的是帮助企业通过实现降本增效、节能降耗、提高产品质量、提升产品附加值、缩短产品上市周期、满足客户个性化需求，以及向服务要效益等途径，提升企业的核心竞争力和盈利能力。推进智能制造绝不能搞面子工程。
第二，必须对智能制造有正确的理解和认识。智能制造覆盖企业全价值链，是一个极其复杂的系统工程，不要期望“毕其功于一役”；推进智能制造需要规划、IT、自动化、精益等部门通力合作；不同行业的企业推进智能制造差异很大。推进智能制造，需要引入中立、专业的服务机构，开展多层次、多种形式的培训、考察、交流与学习，让企业上下树立对智能制造的正确认识。此外，需要强调的是，小批量、多品种的企业，不要盲目推进无人工厂；个性化定制和无人工厂是鱼和熊掌不可兼得；不能盲目推进机器换人。
第三，大处着眼，小处着手。企业要想推进智能制造取得实效，应当参照e-works智能制造金字塔的相关内容，通过智能制造现状评估、业务流程和工艺流程梳理、需求调研与诊断、整体规划及落地实施5个步骤，画出清晰的智能制造路线图，然后根据路线图和智能制造整体规划，稳步推进具体的项目，注重对每个智能制造项目明确其KPI指标，在测度关键绩效指标的基础上，评估是否达到预期目标。智能制造要取得实效，需要清晰的思路、明确的目标、高层的引领、专业的团队和高度的执行力。

图2 智能制造总体框架范例
第四，紧密跟踪先进制造技术的发展前沿。近年来，制造业的新材料、新技术、新工艺层出不穷，金属增材制造技术不仅改变了复杂产品的制造方式，还改变了产品结构，也彻底打破了可制造性的桎梏，催生了创成设计等新的设计模式，从计算机辅助人设计，演化为人辅助计算机设计。碳纤维复合材料的广泛应用催生了全新的制造工艺和制造装备。奥迪A8采用了铝制车身，车身焊接不能再使用点焊，取而代之的是铆焊、摩擦焊、激光焊等新工艺。材料和工艺的改进，往往会对产品的性能，例如抗腐蚀、耐久性带来巨大的提升。精密测量技术也在迅速发展，由接触式测量发展到非接触式测量，由离线检测演化为在线检测，由事后检测演化为边测量边加工，从而帮助制造企业提升产品质量。
第五，积极稳妥地推进数字化和智能化技术的应用。当前，人工智能技术的发展如火如荼，必将在制造业不断得到应用，尤其是在无人驾驶汽车、质量检测与优化、设备故障诊断和预测等领域。现在已经出现了Google的Tensorflow等开源的人工智能引擎可以应用。此外，虚拟现实（VR）、增强现实（AR）、混合现实（MR）等可视化技术，在制造业也有很好的应用场景，例如设备 *** 作培训和设备维修维护等。爱立信工厂应用增强现实技术进行电路板的检测，蒂森克虏伯电梯利用MR技术提高电梯维护的效率。Cobot（协作机器人，单臂和双臂）在装配、拧螺丝、涂胶等很多工序可以进行应用，机器人与视觉传感器、力觉传感器的集成应用能够大大提高机器人动作的准确性和灵活性。

图3 爱立信工厂利用AR技术辅助进行电路板质量检测
第六，选择真正靠谱的合作伙伴。智能制造系统架构十分复杂，也非常个性化，相关技术在不断演进，企业本身也是动态变化，智能制造评估体系和规划方法论也还处于不断完善的过程中，智能制造的推进是一个长期的过程。因此，企业推进智能制造需要寻找专业的合作伙伴，从培训、现状评估、规划，到具体的数字化工厂仿真、产线设计，到真正实现工控网络的建设，并建立工控安全体系，实现IT与OT系统的集成。

---