“工业4.0”具有哪些核心特征

工业40驱动新一轮工业革命，核心特征是互联 。互联网技术降低了产销之间的信息不对称，加速两者之间的相互联系和反馈，因此，催生出消费者驱动的商业模式，而工业40是实现这一模式关键环节。工业40代表了“互联网+制造业”的智能生产，孕育大量的新型商业模式，真正能够实现“C2B2C”的商业模式。

工业40的本质， 就是通过数据流动自动化技术，从规模经济转向范围经济，以同质化规模化的成本，构建出异质化定制化的产业。对于产业结构改革，这是至关重要的作用。

扩展资料：

德国学术界和产业界认为，“工业40”概念即是以智能制造为主导的第四次工业革命，或革命性的生产方法。该战略旨在通过充分利用信息通讯技术和网络空间虚拟系统—信息物理系统（Cyber-Physical System)相结合的手段，将制造业向智能化转型。

“工业40”项目主要分为三大主题：

一是“智能工厂”，重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现；

二是“智能生产”，主要涉及整个企业的生产物流管理、人机互动以及3D技术在工业生产过程中的应用等。该计划将特别注重吸引中小企业参与，力图使中小企业成为新一代智能化生产技术的使用者和受益者，同时也成为先进工业生产技术的创造者和供应者；

三是“智能物流”，主要通过互联网、物联网、物流网，整合物流资源，充分发挥现有物流资源供应方的效率，而需求方，则能够快速获得服务匹配，得到物流支持。

参考资料来源：百度百科-工业40

一、将真实的加工制造连接到工业40

如果使用了工业40技术，一个新的加工制造生产线可以实现多达25种的产品变化，同时将产量提高10%，库存减少30%。工业40架构的应用让制造商在生产过程中可以获得更丰厚的投资回报率。

工业40是一场工业的革命，目的是将信息技术(IT)的虚拟世界、机器的物理世界以及互联网合为一体。其中心是将具有IT功能的所有工业领域都整合起来。

工业物联网（IIoT）设备要想创建工业40生产制造环境需要注意以下5个方面。

在工业40中，对机器工具或一组机器的 *** 作，应该允许使用诸如智能手机或平板电脑这样的智能设备进行简单的连接。

1分布式智能

这里说的分布式智能是指在智能传动和控制技术网络的机器设备中，加入尽可能多的智能和控制功能、或者单独的传动轴，而不是从一个中央处理单元（CPU）来处理所有的动作。

2快速连接

在决定应该使用现场总线的什么功能时，应该看一下生产平台是否支持例如OPC UA（来自于OPC基金会）这样的标准。消除不同供应商系统的障碍，而且对通讯和控制平台采取一种更加开放的方式很重要。

3开放标准和系统

开放标准允许基于软件的解决方案可以更加灵活地集成，并有可能将新的技术移植进现有的自动化架构中。

4实时数据整合

可能利用实时的机器和工厂性能数据来改变自动化系统和生产工艺的管理方式。不用捕捉并分析数月以来有价值的关于生产率、机器停机时间或者能源消耗的数据，支持工业40的平台能够将数据整合到常规的工厂管理报告之中。这会让制造商和机器具备详细的信息来执行快速的工艺和生产变更，以实现产品满足特定客户需求的愿景。

5自适应性

科技帮助生产线变得主动。目标就是让工作站和模块可以适应个性化的客户或产品需求。

二、让工业40和IIoT在智能工厂里运行

工业40和工业物联网(IIoT)能够为设备（从传感器到大规模控制系统）、数据和分析之间提供更好的连接性，Beckhoff自动化的TwinCAT产品专家Daymon Thompson这样认为。传感器和系统需要网络连接来共享数据，分析有助于做出更明智的决策。

物联网主要包括4个基本元素：实体的设备、与设备之间的双向连接、数据以及分析设备可以是小到一个传感器大到一个大规模控制系统中的任何一种。传感器和系统需要与更大的网络进行连接，以共享由传感器或系统产生的数据。对此数据进行的分析会产生可执行的信息，其结果是让人们做出精明的决策。

关于智能工厂的3个思考

在决定实施工业40之前，要对智能工厂提出的3个问题是：

1你是否想要自动完成快速的产品转换，以及对市场需求的响应更好？

2你是否想通过识别出可以进行持续改进的区域来提升你的设备综合效率（OEE）以及生产总产量？

3你是否想要根除浪费，例如能源、原材料和闲置时间？

在确定和完善真实世界里智能工厂的目标之后，采用基于PC控制的硬件和软件有助于帮助你早日成功。

三、为什么要部署工业物联网？

因为在工业世界里普遍使用了联网的传感器而比商业的物联网(IoT)更加先进，这些传感器就是物联网里面的“物”。数以亿计的联网的有线及无线压力、液位、流量、温度、震动、声波、位置、分析仪表以及其他传感器被用于工业领域，而且每年以数百万台的速度增加，为工厂提供了更多的监控、分析和优化。

IIoT通过将传感器连接到分析和其他系统中，来自动提高性能、安全性、可靠性和能源效率，具体方式为：

1从传感器上采集数据比以往经济有效得多，因为传感器很多都是电池供电和无线通讯的

2使用大数据分析和其他技术将这些数据翻译成可以理解的信息。

3将这些可 *** 作的信息在正确的时间呈献给正确的人员，要么是工厂人员，要么是远程专家。

4如果工作人员采取了正确的 *** 作，将带来性能上的提升。

四、基于平台的工具克服了IIoT的复杂性

基于平台的方式提供了一种灵活的硬件架构，可以部署在许多不同的应用场合中，消除了硬件的复杂性，并让每一个新的问题基本上都成为软件方面的挑战。系统设计师选择的平台应该基于一个对信息技术(IT)友好的 *** 作系统(OS)，这样它们可以安全地进行供给和配置，进而来正确地认证和授权用户维护系统的整体性，并让系统最大程度地可用。

五、基于数据的工业物联网

如果没有数据，就没有大数据、云和分析功能，也没有区别于物联网(IoT)的工业物联网(IIoT)；PI北美组织的副总监Carl Henning说，IIoT中的“物”造就了IoT中的“物”。IIoT需要开放的标准，以太网和软件标准可以为控制和制定决策所需要的信息提供数据。

其中一部分）时，大多数人认为最有用的特性是实时功能。

六、优化布线是提升工业物联网性能的基石

通过将信息、自动化、以及运行在工业物联网上的生产系统之间不断融合，物联网正在积极地影响着未来的工业自动化，Softing 有限公司市场部副总裁Mark Knebusch指出。随着以太网速度越来越快，电缆系统的集成更加重要，而电缆的认证有助于提升工业网络的性能。

1高效分布式
必须是高效的分布式系统。物联网产生的数据量巨大，仅中国而言，就有5亿多台智能电表，每台电表每隔15分钟采集一次数据，一天全国智能电表就会产生500多亿条记录。这么大的数据量，任何一台服务器都无能力处理，因此处理系统必须是分布式的，水平扩展的。为降低成本，一个节点的处理性能必须是高效的，需要支持数据的快速写入和快速查询。
2实时处理
必须是实时处理的系统。互联网大数据处理，大家所熟悉的场景是用户画像、推荐系统、舆情分析等等，这些场景并不需要什么实时性，批处理即可。但是对于物联网场景，需要基于采集的数据做实时预警、决策，延时要控制在秒级以内。如果计算没有实时性，物联网的商业价值就大打折扣。
3高可靠性
需要运营商级别的高可靠服务。物联网系统对接的往往是生产、经营系统，如果数据处理系统宕机，直接导致停产，产生经济有损失、导致对终端消费者的服务无法正常提供。比如智能电表，如果系统出问题，直接导致的是千家万户无法正常用电。因此物联网大数据系统必须是高可靠的，必须支持数据实时备份，必须支持异地容灾，必须支持软件、硬件在线升级，必须支持在线IDC机房迁移，否则服务一定有被中断的可能。
4高效缓存
需要高效的缓存功能。绝大部分场景，都需要能快速获取设备当前状态或其他信息，用以报警、大屏展示或其他。系统需要提供一高效机制，让用户可以获取全部、或符合过滤条件的部分设备的最新状态。
5实时流式计算
需要实时流式计算。各种实时预警或预测已经不是简单的基于某一个阈值进行，而是需要通过将一个或多个设备产生的数据流进行实时聚合计算，不只是基于一个时间点、而是基于一个时间窗口进行计算。不仅如此，计算的需求也相当复杂，因场景而异，应容许用户自定义函数进行计算。
6数据订阅
需要支持数据订阅。与通用大数据平台比较一致，同一组数据往往有很多应用都需要，因此系统应该提供订阅功能，只要有新的数据更新，就应该实时提醒应用。而且这个订阅也应该是个性化的，容许应用设置过滤条件，比如只订阅某个物理量五分钟的平均值。
7和历史数据处理合二为一
实时数据和历史数据的处理要合二为一。实时数据在缓存里，历史数据在持久化存储介质里，而且可能依据时长，保留在不同存储介质里。系统应该隐藏背后的存储，给用户和应用呈现的是同一个接口和界面。无论是访问新采集的数据还是十年前的老数据，除输入的时间参数不同之外，其余应该是一样的。
8数据持续稳定写入
需要保证数据能持续稳定写入。对于物联网系统，数据流量往往是平稳的，因此数据写入所需要的资源往往是可以估算的。但是变化的是查询、分析，特别是即席查询，有可能耗费很大的系统资源，不可控。因此系统必须保证分配足够的资源以确保数据能够写入系统而不被丢失。准确的说，系统必须是一个写优先系统。
9数据多维度分析
需要对数据支持灵活的多维度分析。对于联网设备产生的数据，需要进行各种维度的统计分析，比如从设备所处的地域进行分析，从设备的型号、供应商进行分析，从设备所使用的人员进行分析等等。而且这些维度的分析是无法事先想好的，而是在实际运营过程中，根据业务发展的需求定下来的。因此物联网大数据系统需要一个灵活的机制增加某个维度的分析。
10支持数据计算
需要支持数据降频、插值、特殊函数计算等 *** 作。原始数据的采集可能频次挺高，但具体分析时，往往不需要对原始收据进行，而是数据降频之后。系统需要提供高效的数据降频 *** 作。设备是很难同步的，不同设备采集数据的时间点是很难对齐的，因此分析一个特定时间点的值，往往需要插值才能解决，系统需要提供线性插值、设置固定值等多种插值策略才行。工业互联网里，除通用的统计 *** 作之外，往往还需要支持一些特殊函数，比如时间加权平均。
11即席分析和查询
需要支持即席分析和查询。为提高大数据分析师的工作效率，系统应该提供一命令行工具或容许用户通过其他工具，执行SQL查询，而不是非要通过编程接口。查询分析的结果可以很方便的导出，再制作成各种图标。
12灵活数据管理策略
需要提供灵活的数据管理策略。一个大的系统，采集的数据种类繁多，而且除采集的原始数据外，还有大量的衍生数据。这些数据各自有不同的特点，有的采集频次高，有的要求保留时间长，有的需要多个副本以保证更高的安全性，有的需要能快速访问。因此物联网大数据平台必须提供多种策略，让用户可以根据特点进行选择和配置，而且各种策略并存。
13开放的系统
必须是开放的。系统需要支持业界流行的标准SQL，提供各种语言开发接口，包括C/C++，Java，Go，Python，RESTful等等，也需要支持Spark，R，Matlab等等，方便集成各种机器学习、人工智能算法或其他应用，让大数据处理平台能够不断扩展，而不是成为一个孤岛。
14支持异构环境
系统必须支持异构环境。大数据平台的搭建是一个长期的工作，每个批次采购的服务器和存储设备都会不一样，系统必须支持各种档次、各种不同配置的服务器和存储设备并存。
15支持边云协同
需要支持边云协同。要有一套灵活的机制将边缘计算节点的数据上传到云端，根据具体需要，可以将原始数据，或加工计算后的数据，或仅仅符合过滤条件的数据同步到云端，而且随时可以取消，更改策略。

---