同样发现这个问题的还有美国GE公司，他们意识到装备销售过程中的获利远远不及在产品使用过程中的价值服务，客户需要的价值也远不止对产品状态的保持，更在于如何去使用这些能力来实现更高效的价值再创造。

　　以数据为核心使产品发挥最大的能力，归根结底是利用数据建模实现对状态、环境和任务的精确评估，对管理和控制活动进行实时的决策优化，并协同和调度相关产品高效率运行的过程。

“无忧”的制造环境

　　制造系统中的问题同样也有 “ 可见” 和“ 不可见”之分，我们对待这些问题的方式既可以在问题发生后去解决，也可以在问题发生前去避免。生产系统中存在的“不可见”问题包括设备性能的衰退、精度的缺失、易耗件的磨损、和资源的浪费等，可见的问题往往是这些不可见因素积累到一定程度所引起的，比如设备的衰退最终导致停机、精度的缺失最终导致质量偏差等。

　　就如同冰山一样，可见的问题仅仅是冰山一角，而隐性的问题则是隐藏在冰山下面的恶魔。通过大数据对“不可见”问题获得深刻的洞察，是实现无忧虑制造环境的基础，也是智能制造的本质。

　　制造改进与转型的机会空间可以被分为四个部分(图二)，第一个部分是去满足用户可见的需求和解决可见的问题，这个空间内依然有中国制造需要补的课，比如质量、污染、和浪费等问题，需要的是持续的改善与不断完善的标准化。

　　第二个空间在于避免可见的问题，需要从使用数据中挖掘新的知识对原有生产系统和产品做加值改善。第三个空间在于利用创新的方法与技术去解决未知的问题与创造新的竞争力，例如具有自省能力的设备，以及利用传感器与大数据使不可见的问题透明化，进而去管理和解决不可见的问题。

　　第四个象限是寻找和满足不可见的价值缺口，避免不可见因素的影响，这部分需要利用大数据分析产生的智能信息去创造新的知识和价值与传承力，这也是工业互联网的最终目标。

　　通过分析数据，预测需求、预测制造、利用数据去整合产业链和价值链，这就是工业大数据的思维。工业互联网是一场在不可见世界中的战争，而工业数据分析的竞争力则是连接可见与不可见世界的桥梁。

　　利用大数据实现无忧的制造环境有三个方向，数据在每一个阶段中扮演的作用也并不相同。
　　第一个方向是在解决可见问题的过程中积累经验和知识，从而去避免这些问题。在这个过程中，数据可以作为经验和知识的载体。
　　第二个方向是依靠数据去分析问题产生的隐性线索(evidence)、关联性、和根原因等，进而利用预测分析将不可见问题显性化，从而实现解决不可见问题的目的。现在的制造系统正在经历从第一个阶段到第二个阶段的转变过程，在完成这个过程后，制造系统将不再有‘surprise’，使得所有隐性问题在变成显性问题和影响之前都可以被提前解决。
　　第三个方向是通过对数据的深度挖掘，建立知识和问题之间的相关性，从数据中启发出新的知识，并能够利用知识对制造系统进行精确的建模，产生能够指导制造系统活动的镜像模型，从系统的设计端避免可见及不可见问题的发生。

　　这三个方向对企业都非常具有借鉴意义，但是需要根据不同的情况侧重于不同的方向。总的来概况，这三个方向分别适用于以下几类情况中问题的解决：

　　第一个方向：适合在某一个领域已经经营了很久，有了一定的经验积累，但是却很难总结出为什么做的好或是不好。
　　第二个方向：在解决了可见的问题之后，仍然存在一些不可见问题对制造系统造成的影响，希望能够了解不可见因素的变化过程和相互的关联性，积累更加深入的制造知识。
　　第三个方向：在制造基础还较为薄弱的领域，并没有形成太多有效的数据，但是拥有非常丰富的使用数据和经验，则可以借助使用过程中积累的知识对制造系统提出设计的要求。
工业大数据：工业价值转型的新视角
图三：问题、数据、与知识的关系及管理方式

图三简明地阐述了大数据与智能制造之间的关系：制造系统中“可见”和“不可见”问题的发生及解决的过程中会产生大量的数据，通过对这些数据的分析可以了解问题产生的过程、造成的影响和解决的方式。

　　通过对数据的深度挖掘和抽象化建模后可以形成知识，进而利用知识去认识、避免、和重新定义问题。数据在其中起到的作用，是使这个过程从以往依靠人的经验(Experience based)转向依靠挖掘数据中隐性的线索(Evidence based)，使得制造知识能够被更加高效和自发地产生、利用和传承。

　　因此，问题和知识是目的，而数据则是一种手段。今天我们来谈利用大数据实现智能制造，是因为大数据正在逐渐成为易得的资源，而在制造系统和商业环境变得日益复杂的今天，利用大数据去解决问题和积累知识将是更加高效和便捷的方式。

　　数据本身不会说话，也并不会直接创造价值，真正为企业带来价值的是数据分析和挖掘之后产生的洞察和行动的价值，是数据经过实时分析后及时地流向决策链的各个环节，是让数据成为面向客户创值服务的媒介和依据。

　　工业大数据的目的并不是追求数据量的庞大，而是通过系统式地数据收集和分析手段，实现价值的最大化。所以推动工业价值转型和智能制造的并不是大数据本身，而是大数据分析技术所带来的洞察，行动的准确性与速度。

　　在新制造革命的转型中，更加有效地积累和利用数据资源与知识的传承，决定了能否在新竞争环境中脱颖而出。工业大数据定义了制造价值的新主张，这个价值的应用既可以外向，也可以是内向。

　　内向是利用大数据去解决和避免制造系统中的“不可见”问题，实现无忧的制造环境。外向是利用大数据在产品的使用过程向用户提供智能增值服务，实现制造价值的延续。

　　这两者对于中国制造而言，一方面是解决制造“大而不强”的挑战，另一方面是改善制造附加值较低的瓶颈。中国应该利用好使用数据的资源，不断提升企业对制造的理解和知识积累速度，才能弥补中国在装备制造和核心零部件等方面的弱势，逐步弥补这些弱势领域造成的短板，让世界看到中国在工业大数据中创知和创值的成功经验。