制造业革命可以分成从1.0到4.0的四个阶段。从工业1.0，以英国的纺织制造业为代表；到工业2.0：代表性的行业是汽车制造业；再到工业3.0：自动化和信息化的融合，自动化代表性的产品是工业机器人和PLC等自动化产品，信息化代表性的方案是ERP和MES等；再演变到现在的工业4.0： 代表性的 概念是CPS。不管是工业互联网还是工业4.0，都在探索未来的制造业发展路径，比如从大规模制造向大规模定制发展， 从集中式的制造向分布式制造发展，还有制造业的服务化等等。我们不应该被工业4.0和工业互联网的定义所束缚，凯文凯利说过，属于20年后最伟大的产品还没有被发现。 同样，我们目前对工业4.0和工业互联网的所知估计也不超过20年后真实的工业4.0的5%。

工业4.0 时代的一些特征：

1. 更多更智能的传感器被加装到设备上；

2. 更紧密的连接：从工厂现场总线，工业以太网的连接到工业云的链接：

3. 工业大数据：工业大数据比消费大数据数据量更大，数据结构更复杂，实时性和精确性要求更高

4. 人机界面更加友好，更加人性化，很多消费电子产品，比如PAD，智能手机和Google眼镜在工厂得到应用；

5. 人机协作：机器人从笼子里解放出来，与人一起协作；

前三次工业革命都是后来人总结的，而工业4.0是正在发生的现实。从技术上来说，从3.0 到4.0 更像是进化而不是革命。设备更智能，连接更紧密，数据量更大，更加人性化， 更加友好等等，并没有杀手级的应用和颠覆性的技术。

只缘身在此山中，我们对正在发生的工业4.0 革命只感受到量变没感受到质变是非常正常的。工业3.0 向工业4.0的进化，虽然技术上只是原有技术的融合和演化，但20年之后再回头看实际效果，我们可能会发现工业4.0 是一场正在发生的革命。

传统的工厂架构和4.0时代的工厂架构的区别：

1. 传统自动化工厂的架构是金字塔架构；从底层传感器，执行器到各种设备，再到控制器，PLC，IPC，再上层是SCADA系统，最上层是工厂管理层，包括ERP和生产制造MES系统;

2. 简化来看，工业自动化可以分成三层架构：现场设备层，控制通讯层和工厂管理层，这个三层架构和物联网的感知层，传输层和应用层其实是类似的。在这个金字塔架构中，各种器件通过PLC进行控制，PLC再通过现场总线和工业以太网，将信息和数据传到云端。 

目前，这样的传统架构正在发生变化，第一个变化就是传统的金字塔架构正在网络化和云化，一些功能比如SCADA已经开始被集成到云端，这就是云计算在工业上的应用。另外一个变化就是边缘计算，越来越多的终端设备具备更强的计算能力；一些开放的协议，比如OPCUA和IO-LINK也开始大量运用。

工业的工厂架构从工业3.0到工业4.0的变化：

1．工业3.0时代，现场设备层计算资源有限，主要的计算资源集中在控制器端和工厂管理端， 而工业4.0时代，分布式控制的嵌入式系统，CPS系统有了更多的智能计算资源和边缘计算能力；

2．控制层：3.0时代，流程工业由中央集中控制型的SCADA控制，而不同设备有厂商专属的的通讯协议，设备之间有不同阵营的通讯协议，设备之间，产线之间的互操作性很差；工业4.0 时代有更加开放的总线协议， 比如OPC UA和 IO Link， 支持实时的，互操作性更强的， 更加安全的传感器和云连接；

3．工厂管理层:  3.0时代数据收集上来需要人再做判断和决策，而4.0 时代，数据收集上来后，因为设备和系统具备自适应，自决策，自判断等能力，人工智能可以对数据信息进行分析判断；工业3.0时代的 IT 和OT 是分开的， 很难连接的， 设备之间是信息孤岛，工序之间的数据流动有断层， 部门之间信息也很难共享。 从投入方式来看，工业3.0 主要是固定资产投入，工业4.0转变为运营投入。

IHS Markit对于工业云和工业物联网在用户端的使用情况作了一些调查。客户最大的忧虑是网络安全问题。比如，客户会问公司的生产制造等重要数据信息放在第三方会安全吗？客户担心的第二个问题是新瓶装旧酒。 客户会认为所谓的工业4.0和工业互联网的技术和产品都是旧的，只是换了一个吸引眼球的新词汇而已。厂商的目的只是换一种方式买产品，买设备，买解决方案而已。 这样的想法有一定道理，对于我们正在进行的智能制造项目和所谓的示范工程我们的确需要三思而后行。  

从工业4.0或者工业互联网的参与者来看，整个产业链比较长，从上游的芯片厂商到自动化产品厂商，再到OT厂商和IT厂商，每一家企业都能提供专门的知识和Know-how。最近几年的汉诺威工业展专门设置了数字工厂展厅，有很多IT和软件企业参展，比如微软，SAP，亚马逊，PTC，Oracle等。另外，客户也参与到上游的软硬件甚至平台运营中来，比如海尔就在打造自己的工业制造解决方案。

另外一个明显的趋势就是很多公司都想打造平台，我们预计制造业也将像手机一样，诞生为制造业服务的的操作系统。目前宣称自己正在打造工业云或者制造业的操作系统的公司很多，主要有以下几种：一种是基础设施的平台，比如微软 Azure，Amazon AWS， 阿里巴巴的阿里云，他们基本上是提供的IAAS服务；第二种是工业云平台，主要做工业制造业的设备运营维护，数据信息管理等，比如 GE Predix和西门子MindShphese，国内还有徐工工业云和三一根云，这些工业云平台提供垂直行业的设备维护运维等PAAS服务；还有一种是物联网平台，主要提供工具，SDK，API等，可以帮助客户建立自己的工业云，比如  PTC Thingworx，机智云等；第二和第三种的界限比较模糊，比如西门子MindShpere，既是工业云平台，又是物联网平台。除了以上三类，其实还有一些底层算法平台和技术平台。和手机行业一样，平台之间一定会整合，市场上容纳不了这么多的平台，但由于工业制造行业种类众多，不同的细分行业一定会有一些细分的行业平台。 

大型的高价值的设备既有一次性的资本性投入，又有设备的运行维护的费用，比如半导体设备和液晶显示生产设备，购买设备的支出非常高，同时做overhaul的维护成本也非常的高 。制造业的商业模式正在从卖产品过渡到买方案，卖服务；通过提供专业的服务，厂商和客户的关系更加紧密。

建筑机械市场波动非常大，中国建筑机械市场经历2011年的暴涨后，持续了好几年的惨淡经营，直到2016年下半年由于一带一路政策的拉动作用，建筑机械厂商业绩才开始大幅度回暖，大起大落的销售很难预测，对厂商来说经营风险很大。另外国内的建筑机械市场日益饱和，市场上现有的建筑机械数量惊人，很多业主选择租赁而不是购买设备，促使建筑机械厂商转变商业模式，开始开发售后的机械服务市场。

工业4.0和工业互联网不仅为大公司打造服务平台提供了机会，也为中小型的公司创造了新的机会。电机和轴承是非常传统的产品，通过在这些产品上安装传感器，监测震动情况可以做在线监控，预测性维护，失效预测等。这些传感器可以很方便的将收集到的数据上传到云端，成为平台的重要一员。不能做平台，就被平台化，被平台化说明小公司也有价值。

资产维护有很多层次，最初级的层次是应急维修服务，这曾经也是我们制造业的竞争优势之一。再上一层是定期巡检和定期更换，比如电梯巡检，半年或者一年检查一次，但两次检查的间隔中间会有问题，定期更换的维护费用也是很昂贵的。更进一步是在线状态监控，主要通过传感器在线远程监控设备的运行情况，当监测到设备工作状态不好的时候就报警，但这样的方式也是事后补救维修。

而预测性维护可以通过大数据积累设备运行情况预判将要发生失效的时间，这样工厂就可以防患于未然，提前派出工程师去处理，减少工厂停机时间，减少损失。如果说状态监控是处理What的问题，那么预测性的维护处理What 和When 的问题。在预测性维护阶段Why和How这类问题需要有经验的人进行判断和处理，但是在Prescriptive Maintenance阶段，整个工厂系统通过人工智能，机器学习，云计算等技术手段，具备一定的认知能力，思考能力，不但能给出信息建议，还能对信息做出适当的反馈，使未来的工厂系统成为自感知，自适应，自决策的智能CPS系统。Prescriptive Maintenance 将能够处How，Who 和Why 的问题。将会知道事故为什么会发生，并判断应该怎样处理，派谁来处理，工作流程和顺序应该怎样？

另外，在Prescriptive Maintenance阶段，资产管理不但会和整个工厂的数字系统集成在一起，还会合工厂的外部数据系统结合，比如，在预测性维护可能通过监测电机的震动和温度变化给出某台设备需要大修的建议，在结合外部数据系统找到专家和方案，综合评估整个工厂系统，为现场工程师给出一套大修的工作流程和顺序。

总结：

1，未来已来，工业互联网和工业4.0正在发生，润物细无声，将会对我们的工作和生活造成影响；

2，工业4.0和工业互联网技术的发展是原有技术的大融合，从技术角度来看，更像是在演化而不是革命，但是从应用和商业模式的角度看，这些变化产生的影响却可能是革命性的；

3， IT 和OT 的融合是大势所趋， 第一是公司工厂内部的IT和OT 的融合，第二是公司与外部资源IT和OT 的融合；

4，工业4.0也好，工业互联网也好，人是发展的主要的变量，可能是技术的载体，可能成为发展瓶颈，也可能成为推动因素。

（来源：IHS科技）