美国国家科学基金会（NSF）智能维护系统产学合作中心的李杰教授曾发表论文，称未来的工业4.0时代将是一个“预测型制造”的时代。

工业制造流程存在许多不确定因素。即使严格遵守工业生产规范，机器、工人以及制造过程中，也存在许多超出企业决策者掌控之外的情况。比如，生产设备加工性能的下降，零部件的偶然失效，废品与返工都会打乱原定的生产计划。这是工厂内部的不确定因素。而在工厂之外，用户需求的波动与下游营销部门的失误，同样会干扰制造过程。

传统的制造模式可以理解为反应型制造。这种制造模式主要是根据设备老化、加工失灵等可见的故障来做事后维护。但对于那些不确定的因素，往往反应迟滞。

而预测型制造模式不同，其可以通过智能传感网络将生产流程变得“透明化”，及时发现初次故障并运用人工智能来预测下一次设备失效的时间点，从而进行主动维护，最大限度地减少生产中的不确定因素。由此可见，预测型制造是一种具有工业4.0特色的智能化制造模式。

按照工业4.0的要求，未来的预测型制造需要完成三个转变。

第一，制造流程价值化。

未来的工业制造不是生产出质量过硬的产品就够了。而要参与到整个产品的生命周期当中，将制造过程与产品设计、技术研发充分结合，用制造把设计师与用户的创意变成现实。

第二，制造流程智能化。

在预测型制造过程中，智能生产线可以根据产品设计参数的差异与加工状况的变化做出针对性调整。这好比机器设备获得了“自省”能力。包括机器设备在内的整条生产线，在设计、研发、制造全过程中能根据及时的数据分析灵活调整产品加工方式。

第三，制造流程无忧化。

预测型制造的概念，体现了制造业追求的最高境界。工业4.0在整个制造过程中，坚持以零故障、零忧患、零意外、零污染为目标。工厂里所有的机器都连成一个协作区，让传统生产制造过程中的种种不确定因素变得“透明”可见，能够被智能分析系统尽早预测出可能影响生产的因素，并采取主动维护措施。

以机床为例，工业4.0时代的机床内部设有智能传感器，这些传感器可以将机床的工作情况转化为有效数据，传输到控制中心。人与机器都可以根据这些信息来了解机床的状态。

在预测型制造时代，复杂烦琐的零部件保养工作也将变得更加便捷高效。

例如接通物联网的螺杆，可以提前向控制中心提示何时需要做润滑保养。在反应型制造时代，工程师更多是凭经验来推断机器性能的衰退时间的。这使得生产故障与意外的发生概率无法降低至零。而工业4.0时代的螺杆一旦进入工作状态，就会自动向企业的控制中心反馈机械运行数据。如此一来，工程师就能更准确地实时了解零部件的健康情况，预知什么时候应该更换新螺杆。

未来工厂实现预测型制造的关键在于，获得透明化的工具及技术，让那些不确定因素可以被及时检测和量化分析。反应型制造之所以依赖工程师的经验判断，正是因为无法将不可见的不确定因素转化为可解读的数据。若要解决这个问题，离不开工业大数据技术的支持。

德国的工业4.0把信息技术融入工业生产体系，通过CPS来实现预测型制造。美国的“工业互联网”则是运用大数据技术和智能分析软件将人、机器、信息一体化，从而完成生产制造模式的升级。无论哪种方案，都以智能与互联为本质特征，充分利用工业大数据技术，把产品、机器、资源和人纳入到同一个智能物联网当中。

从这个意义上说，工业4.0时代就是以预测型制造模式为主导的时代，也是工业大数据普遍运用的时代。

制造业企业的智能化升级，将以大数据分析技术为基础。工业大数据系统的构建，不但将有效提升制造业企业的技术创新能力，也是企业在第四次工业革命中的一大重要任务。

以智能化生产为特征的预测型制造，可以用“6C”模式来定义。“6C”是Connection（连接）、Cloud（云储存）、Cyber（虚拟网络）、Content（内容）、Community（社群）、Customization（定制化）六个英文单词的首字母缩写。“6C”模式的工厂与机器设备都高度智能化。其不仅可以实时共享数据信息，还可以进行自我管理，并根据智能联网来配合其他工厂或机器设备的行动。

这就要求生产制造系统具备智能分析产品制造全过程及各个制造设备运行状况的能力。通过全程收集、传输、分析各个生产环节、制造设备甚至零部件生产的数据，将生产制造过程中的不确定因素变得“透明化”，提前预测出产品制造所存在的问题。

智能传感器技术的不断成熟，使得数据收集工作变得更为简单。无论是生产线上的机器设备，还是待加工产品，都可以被智能传感器有效监测并形成可供分析的各种参数。例如，前文提到的生活用品厂就在待加工产品的标签上安装了智能芯片，让每个产品的个性化定制需求信息被智能传感器上传到智能生产线的云平台上。

云计算等大数据技术是一个划时代的发明。它能让人们更快、更准地分析与处理数量多到爆炸的信息。

在工业4.0体系中，CPS能在云计算的基础上实现机器与机器之间的“沟通”（所谓的M2M通信）。各个机器设备可以进行数据交换与互相控制。甚至连被加工的产品，也能与机器设备进行数据交流。如此一来，机器设备与整条流水生产线都能自组织生产。无人化生产的智能工厂就是在此基础上自行运转的。

毫不夸张地说，工业大数据技术是工业3.0升级到工业4.0，即制造业智能化转型的必要条件与技术基础。工业大数据不仅促进了产品制造流程的智能化，还推动了工业体系从反应型制造模式向预测型制造模式的变革。

前文提到的个性化生产，就是预测型制造的一种表现形式。个性化生产源于个性化消费需求。贯穿其中的是个性化消费所产生的各种数据。但商业领域的大数据与工业大数据既有联系也存在差异。

工业大数据不同于普通的用户数据，其具有多源性、价值密度低、动态性强等特征。在此之前，机器分析只能挖掘出结构化数据的应用价值，而那些半结构化数据、非结构化数据无法被机器充分识别与分析。随着信息技术的发展，科研人员把建模技术、仿真技术与大数据技术整合到一起，推出了工业大数据技术。这将使人们可以更方便地研究复杂系统的动态行为。

制造业的智能化系统的建模与控制系统的优化，都离不开海量的图像与数据。而企业的生产指标、计划调度、质量管理等领域，也会生产大量的复杂数据。通过大数据技术对生产制造流程的优化整合，可以让工业4.0体系实现优化运行。特别是实现预测型制造这个工业生产的最高境界。

未来的制造业企业将采取分散式组织形式。这就要求企业必须具备更强的数据处理能力。否则就无法及时处理分散于各个部门的大量数据，实现人、机器、信息的一体化，更谈不上完成反应型制造向预测型制造的转变。

而工业大数据可以有效提高整个产业价值链的“透明度”，优化企业的运营效率。跨国公司能将所有的子公司、部门、车间、生产线、机器设备的数据全部集中于云计算平台之上。通过工业大数据的强大计算能力，整合来自研发、工程、生产等环节的数据，并在此基础上创建PLM（产品生命周期管理）平台。PLM平台将用虚拟模型化技术来优化工业生产流程，确保各个生产环节能根据相同的数据协同工作。

总之，工业4.0时代的预测型制造模式离不开工业大数据这个基础。工业大数据将在第四次工业革命中占据至关重要的地位。 VLUdIGQBZO7omUq7CgNhUHZxnP5vf1Km8ixdLld8r4tFe44TJU1Z7y+L0/D5sStj