工业4.0，这个词十多年前就被创造出来，至今仍是一个热门话题，但市场对它的炒作远超过它带来的收益。能解决用户切身实际问题的案例少之又少，而那些被严重夸大的例子则数不胜数。我觉得工业4.0一个主要的问题就数据，特别是数据结构和数据分析。这个短系列博文聚焦工业4.0的数据问题。
工业4.0–回顾
工业4.0是“第四次工业革命”，继第一次工业革命的机械化和蒸汽动力，第二次的大规模生产和电气化，以及第三次计算机的运用。工业4.0的理念是在网络中使用计算机，利用信息来提高速度、降低成本、提升质量和安全（有很多流行语，如网络物理系统、物联网、大数据、人工智能、数字孪生、智慧工厂等等）。每个专家可能对工业4.0的理解和定义都有很大差别。
我写了不少关于工业4.0文章，具体可以参见对工业4.0的审视，工业4.0：是否真的奏效？，精益生产和工业4.0，工业4.0的10年-何去何总？可以找一些数据看看，思考下工业4.0真的是一场革命吗？（答案剧透：不是，或者至少现在还不是）。 德国工业4.0之旅这个系列介绍了我和一群书呆子朋友在德国工业企业的参观。总之，至今还没有见到多少能让我信服的工业4.0案例。
导致工业4.0失败的原因有很多，通常我发现工业4.0不是为了解决实际问题，而仅仅为了实施而实施。精益改进应该总是从要解决或改善的问题开始，工业4.0也应该如此。另一方面，工业4.0实施的复杂性常常被低估，由于不同的工厂有不同的产品，有着本质上的差异，因此很难直接复制，软件从一个汽车工厂直接复制到冰淇淋工厂是不现实的。但有一个例外是物流系统，把产品从A地运输到B地的问题在大多数工厂都是相类似的。而另一个问题是数据的复杂性……这也是该系列博文的重点。
关于数据的复杂性
工业4.0的定义非常宽泛，几乎所有与制造相关的计算机软件系统都可以被看作是工业4.0（尽管根据前面的定义，计算机只能算工业3.0）。工业4.0也很复杂，站在精益的角度来说我还是坚持把问题定义的小一些，便于管理，也更容易成功实施。对于工业4.0，较小的方案可以是安装一个新的机器人，或是Cobot（协作机器人–尽管这还是属于工业3.0），或使用AI分析图片来防错或分析库存，或使用RFID芯片来统计库存。问题越复杂，实施起来就越有挑战。
如果你听到过一些咨询顾问的介绍，工业4.0的圣杯似乎就是万物互联（物联网、网络物理系统等）。所有设备都在收集数据，并向云上发送，听起来很震撼……前提是完全能起作用的话。我所看到的最接近这种状态的是亚马逊交付中心（详见亚马逊交付中心的系列文章）。我看到过的很多失败的尝试，通常是因为项目负责人低估了问题和项目复杂性。这种“什么都要连”的尝试往往在处理数据方面遇到的问题最大，细节下面会有详细介绍。我再次建议，不要把问题搞复杂！
合并数据
第一步通常是将数据收集到一个中央数据库中。这是艰难的第一步，不同设备制造商生产的设备可能有不同的数据结构，你必须以某种方式将所有这些数据上传到同一个数据库。想象一下，我给我的学生布置作业时，经常会收到Word文档、PDF、Excel文件和PowerPoints，虽然评分不是问题，但想要把它们都集中到一个文件里就很麻烦，工业4.0往往也是如此。
即使是相同的数据结构，格式的细节仍然可能不同。就算我让学生用Excel交作业，Excel的表单还是有很多不同的结构。一个学生把A列作为时间，另一个会把A列作为索引。把他们的作业整合进一个Excel还是很复杂。对于工业4.0来说，数据结构比一个简单的Excel文件更加复杂。
想想你们公司上次更新ERP系统的时候，或是同一供应商的软件版本升级时候应该不会有问题，对吗？如果你之前做过类似的升级，那么我相信你一定会发现这种的“简单”的ERP软件升级从来没有简单过，而是需要很多的测试和试运行，以降低因ERP软件崩溃而导致无法生产的几率。
你也可以考虑是否要合并原始数据，或者是否要预处理数据。我个人倾向于搜集全部原始数据，但对于较大的系统，原始数据需要很多存储空间。
合并数据并不是一项容易的工作，我们甚至还没有触及数据所有权的问题，以及客户是否愿意分享其数据。现在许多设备都可以自动收集处理数据，并将其发回给设备厂商，以分析数据用于预测性维护等服务。但许多设备终端用户（尤其是整车工厂）会立即关闭这种数据流，他们不希望设备制造商获取他们任何关于生产的信息。
在我的下一篇文章中，我将介绍数据清洗及后续步骤。在那之前，请继续关注，走出去，组织你的行业！
Translated by Xie Xuan