更自动化的生产设备，更灵活的流程管理，让工厂能够基于市场预测，快速地装配调度，智能地生产，从而以最快的速度匹配消费者需求。这就是工业4.0的主要特点。

在工业4.0时代，每一个工厂都应有一套智能系统，它首先能够通过传感器，对机器运作数据进行采集，并加以分析，从而实时地了解工厂的运作情况；其次，能够通过执行器对机器运作进行控制；此外，还能对消费者行为数据进行分析，对产品从设计到销售的全生命周期，进行最优化的管理。

与此同时，对于机器生产者来说，他们的消费者是各个工厂。因此，他们需要采集机器的使用数据，从而更好地了解机器被使用的情况，以便安排自己的机器维护服务，并对机器的设计进行改善。工业数据的采集，将催生出新的商业模式，逐渐打破工厂的边界，促进资产的流动，在全社会范围内优化资源配置。

这些看起来枯燥的事情，在工业4.0时代都将内化成智能的数据，变得可见、可调节。

智能的工厂

传统意义上，经销商在市场预测和实际需求之间，有一定滞后；而在经销商订单和制造商实际供货之间，又有一定滞后。

两者一叠加，随着时间的推移，库存量会产生剧烈波动。糟糕的是，他们越是试图积极调整，这个波动就越剧烈。长此以往，制造企业的生产周期管理就变得十分困难。

因此，除了通过电子商务等互联网手段，缩短市场信息的传导机制外，制造企业的一个核心目标，就是打造一个智能工厂，进一步压缩生产周期，从而灵活地应对订单的变化。

成立于1945年的奥地利滑雪板公司Blizzard，正试图用智能工厂提高自己的利润。

以往，Blizzard需要两年的时间，不断地打折降价才能把库存消化掉。然而，老问题尚未解决，新问题又接踵而至。

上世纪90年代，Blizzard只有10多个型号的产品，2000年后，滑雪板出现了40多种型号，现在则已经到了900种。

同时发生变化的是，滑雪板的销售不再以终端客户的购买为主，而是80％的滑雪板都以租赁的形式流通于市场。

另一方面，一些滑雪板的材料有18种，需要16周的生产时间。因此，Blizzard需要把生产阶段的效率进一步提高，用更短的生产周期去解决库存问题。同时，在管理上，需要参考市场的变化，比如型号增多、用途改变等，以更好地安排自己的生产。

IBM智能分析解决方案的设计师施尼博（Stephan Schnieber）告诉《财经》记者：“Blizzard提出的目标也很明确，首先，在生产过程中零故障；其次，在生产过程中最大程度地收集并分配信息；第三，要与现有的IT系统形成网络。”IBM是Blizzard智能工厂的方案解决商。

IBM给Blizzard设计了一套工厂管理系统。首先，在流水线的机器上，安置了一些传感器和执行器；而每个物料托盘的底部，也都装有一个“数据卡”。这样，当物料通过搬运和加工时，就会以射频技术被系统识别。

在此基础上，IBM用自己开发的Cognos系统，对生产行为进行记录、储存、分析以及分配。从而实时掌握每道工序上产品的来料追溯、加工状态、加工数目以及产品批次等信息。

这些识别码在录入的同时，会生成一个短网址，并且能够在企业管理软件（ERP）中进行输入和输出，进而可以实现移动设备端的管理。然后再通过机器上的执行器，对机器的运行进行实际的管控。

与此同时，在加工单元的监视器上，每隔一个小时，会自动显示一次目标参数与实际情况。

如果未达到目标，监视器则会发出警报；Cognos系统也会对数据和错误进行分析，并达到实时汇报。IBM设计的统计软件，则可以自动生成生产管理中所需要的各种数据、图表，以帮助决策者把控整个生产过程。

经过升级，Blizzard的生产周期缩短到8周，库存也减少80％。

把机器作为底层，并在安装传感器和执行器后搭建一套应用系统以实现信息处理，从而形成了一套网络世界与物理世界的交互系统（Cyber Physical System），最终实现机器与机器之间、机器与人之间的对话。这便构成工业4.0中的智能工厂。

但亦有评论认为，这只能叫做工业3.5，因为它与第三次工业革命中工业化与信息化的“两化融合”相比，只是实现了更多的数据互通、柔性制造、人机交互、复杂系统以及信息分析的功能。而这些在汽车、家电、电子的总装厂，以及化工、能源等行业身上，业已初步实现。工业4.0更关键的在于如何做到数据驱动。

数据驱动的制造业

通快（Trumpf）是一家做激光加工设备的老牌德国企业。对于它来说，真实世界与网络世界进行交互的技术，早已不是什么新概念。

通快出售的不仅仅是激光加工设备，更包括使用激光设备所必需的工业软件。它的客户买来设备后，必须对相关工业软件进行编程，方能在自己的制造环节中使用这些设备。

抽象来看，制造一辆汽车，已超越了对材料本身的物理加工，同时包括了不同加工设备之间几亿条工业软件中的代码完成。

无论是通快还是西门子，这些装备制造商早已有大半个身子跨入软件行业。

这些自动化设备的普及，不但加速了德国制造业向东转移，也推动德国本土制造业的管理流程不断向数字化转型。

制革出身、有着160年历史的科德宝集团（Freudenberg），1995年基于SAP的企业管理软件完成对集团的数字化改造后，其IT部门甚至独立出来，成立了专门的软件方案提供商——科德宝宜合信息技术有限公司（FIT）。如今，他们不仅在中国为来华的跨国制造企业提供IT服务，并且在全球建立了11个数据中心。

在第四次工业革命的语境下，德国的装备制造企业琢磨的是，如何能够把自己卖出去的设备所产生的数据给收集回来，并基于这些数据开发新的商业模式。

以通快的激光融锡机器人为例，它有2000个产品分布在全球的多个行业。

假设通快可以把这些机器人相连接，通快便可得知这些机器的工作状态，一方面用以优化自己保养维修的耗材管理；另一方面，可以在被损坏的机器和运行良好的机器之间，进行最优的生产配置。

不仅如此，通快还可以收集机器使用者的用户体验，并可得知他们的机器究竟是如何被使用的。然后进一步通过分析得知，如何提高机器人的配置，如何把操作中的耗能和损耗减少到最低。因此，通快现在的研发重点在于，如何让机器更好地产生数据，从而了解被加工的工件、机器自身的性状以及工作状态。

“我们的客户是金属加工者，他们希望能够更好地卖出自己的产品，那么，我们就可以把这些数据再加工为增值服务，反过来再帮助他们提升物流和销售水平。”通快激光与电器部门主席莱斌格（Dr. Ing Peter Leibinger）对《财经》记者说：“在这个领域，我们还只是刚刚开始。”

当供应链上更多环节加入数字化管理的洪流，机器所产生的工业数据，将远远超过目前消费互联网所产生的数据量。海量的数据不仅能够造就新的算法，帮助人类更加深刻地理解工业本身，还让资源进一步打破智能工厂的边界，在全社会范围进行最优配置。

因此，德国的制造业巨头西门子与软件业巨头SAP宣布，共同打造工业数据平台。“我们要证明，可以用一个第三方管理的商业模式，既可以达到设备的连接，也可以实现数据安全。”西门子大型设备部CEO霍克（Dirk Hoke）对《财经》记者说。

通用电气公司（GE）也在打造自己的工业互联网系统。他们通过在飞机发动机中增加传感器，采集发动机数据，并以此给机队提供更多的实时数据，以便航空公司更好地配置自己的资产。

在数据的驱动下，工业4.0时代下的制造业正演变成一项由软件技术主导的系统性工程。

全社会的数据融合

2011年，德国汉诺威工业展（Hannover Messe）提出的工业4.0概念，更多地是针对制造业领域的CPS（信息物理互联系统），核心是增加更多传感器以更好地了解设备的工作状态，同时也制造出大量数据。

这种技术趋势在物联网、车联网、智能电网、移动健康、智慧城市等多个领域均有广泛运用，并通过大数据和云计算等信息基础设施，把信息从终端市场传递回制造业。

这些数据正在创造“新摩尔定律”，即：每18个月产生数据，将比历史存量翻一倍。它不仅需要新的数据储存技术，更需要通过算法产生分析能力，从而更好地进行产品、制造、资产与产业链管理。

制造环节也不仅仅是通过3D打印、工业机器人和智能工厂实现柔性制造，更将融入不断发展的社会网络。基于工业互联网，通过机器与机器的互联，资产成为一种流动的要素，进一步消弭工厂的边界。不仅仅在工厂内进行流程优化，更在全社会范围内，进行资源的最优配置。在此过程中，基于数据的新商业模式将大量涌现。

对于ICT企业来说，大数据、云计算、分析、移动端，就成了制胜法宝。SAP、IBM、华为等，都已把它作为自己的战略构想。

在推动全社会数据融合的路径上，欧洲和美国亦是有区别的。

埃森哲的德国董事总经理雷蒙施派格（Frank Riemensperger）对《财经》记者说：“欧洲的途径是更加偏机械，而美国的核心则是不要被产品的发展周期给束缚住。”

工业4.0本身，是一个社会变革维度的概念，产业链将以数据为维度，进行重新划分，整个社会变革为一个信息与物理互联的系统。

现在的问题是，这个系统中不同的技术发展相对割裂。华为技术有限公司企业BG销售总裁何达炳对《财经》记者说：“从汽车的传感器、数据卡开始，从数据采集点，到整个网络、云平台、数据中心、全连接，我们认为信息通路很重要。需要统一的架构，以及接口的标准化。”

解决这个问题，单靠哪家企业都不现实，但市场会推动企业们达成统一标准，而在这个过程中肯定会出现主导型的企业。