工业互联网、工业物联网、工业大数据、工业4.0到底有什么区别？

工业互联网、工业物联网、工业大数据、工业4.0到底有什么
区别？
我们先来厘清一下这几个词的概念，区别和联系！
一、工业互联网
工业互联网有两层意思，一是在企业内部实现工业设备（生产设备、物流装备、能源计量、质量检验、车辆等）、信息系统、业务流程、企业的产品与服务、人员之间的互联，实现企业IT网络与工控网络的互联，实现从车间到决策层的纵向互联。

二是在企业间实现上下游企业（供应商、经销商、客户、合作伙伴）之间的横向互联；从产品生命周期的维度，要实现产品从设计、制造到服役，再到报废回收再利用整个生命周期的互联。

工业互联网未来更多的是关注在设计，研发，制造，营销和服务等方面，通过充分的融合，来提高整个工业系统和运行效率，工业互联网最重要的是实现企业信息的数字化。

随着工业化与信息化的深入融合，企业内部对互联互通的需求逐渐增加，通过接入网提高产品质量和运营效率的需求也越来越强烈，工业物联网应运而生。

二、工业物联网
工业物联网（简称IIoT，Industrial Internet of Things ），指的是物联网在工业的应用。

具体来说，工业物联网是物联网和互联网服务的交叉网络系统，同时也是自动化与信息化深度融合的突破口。

物联网(简称，InrnetofThings)，通过各种信息传感设备，如射频识别技术、全球卫星定位系统、红外感应器、激光扫描器、气体感应器等各种装置与技术，实时采集任何需要连接、监控、互动的物体或过程状态信息，包含其声、光、热、电、力学、化学、生物、位置等各种基础信息，通过互联网形成相互交互的、可识别的、可共享的网络，其目的是实现物与物、人与物在网络上的连接，识别、管理和控制等，物联网的信息是动态的，主要由物理机器生成。

物联网的发展正在逐步经历以下四个阶段：M2M、IIoT、IoT、
Digital World。

国内不同企业的物联网化进程参差不齐，差别很大，也因此给我们物联网从业者留出了较大的市场机会空间和至少五年的发展窗口。

物联网发展四阶段具体如下：
1．M2M，Machine to Machine，机器联网
2．IIoT，工业互联网，扩展到云的机器对机器(M2M)的支持
3．IoT，物联网(包括工业物联网，商用物联网)
4．Digital World，数码世界
物联网发展要经过点→线→面→体的发展过程一样，工业物联网也会有一个不断提升和扩大应用范围的过程。

需要逐步经历数字化、信息化、智能化的阶段。

二、工业大数据
定义：工业大数据即工业数据的总和，分成三类，即企业信息化数据、工业物联网数据，以及外部跨界数据。

空间分布：不仅存在于企业内部，还存在于产业链和跨产业链的经营主体中，如SCM、CRM。

产生主体：人和机器。

人产生的数据如：设计数据、业务数据、产品数据。

机器数据有生产设备(生产调度、质量控制与绩效数据)和工业产品(智能服务)
数据流动的视角来看，数字化解决了“有数据”的问题，网络化解决了“能流动”的问题，智能化要解决数据“自动流动”的问题，即能够把正确的数据在正确的时间以正确的方式传递给正确的人和机器，能够把海量的工业数据转化为信息，信息转化为知识，知识转化为科学决策，以应对和解决制造过程的复杂性和不确定性等问题。

1.本质特征：具有复杂动态系统特性。

确定性是工业系统本身有效运行的基础。

应对不确定性的前提是感知信息、消除不确定性。

2. 4V特征：大规模(Volumn)、速度快(Velocity)、类型杂(Variety)、低质量(Veracity)。

所谓“大规模”，就是指数据规模大，而且面临着大规模增长。

所谓“速度快”，不仅是采集速度快，而且要求处理速度快。

所谓“类型杂”，就是复杂性，主要是指各种类型的碎片化、多维度工程数据，包括设计制造阶段的概念设计、详细设计、制造工艺、包装运输等各类业务数据，以及服务保障阶段的运行状态、维修计划、服务评价等类型数据。

所谓“低质量”，就是真实性(Veracity)，相对于分析结果的高可靠性要求，工业大数据的真实性和质量比较低。

3.工业大数据新特征归纳为多模态、强关联、高通量等。

“多模态”：工业大数据是工业系统在赛博空间的映像，必须反映工业系统的系统化特征，必须要反映工业系统的各方面要素。

数据记录必须追求完整。

“强关联”：工业数据之间的关联并不是数据字段的关联，其本质是物理对象之间和过程的语义关联。

1)产品部件之间的关联。

2)生产过程的数据关联。

3)产品生命周期不同环节的数据之间的关联。

4)不同学科不同专业的数据关联。

“高通量”：嵌入了传感器的智能互联产品已成为工业互联网时代的重要标志。

物联网数据已成为工业大数据的主体。

4.应用特征归纳为跨尺度、协同性、多因素、因果性、强机理等几个方面。

(“跨尺度”、“协同性”主要体现在大数据支撑工业企业的在线业务活动、推进业务智能化的过程中)。

“跨尺度”：工业4.0 强调的横向、纵向、端到端集成，就是把不同空间、时间尺度的信息集成到一起。

为此，需要综合利用云计算、物联网、边缘计算等技术。

“协同性”：工业系统强调系统的动态协同，工业大数据就要支持这个业务需求。

我们进行信息集成的目的，是促成信息和数据的自动流动，加强信息感知能力、减少了决策者所面临的不确定性，进而提升决策的科学性。

“多因素”是工业对象的特性(复杂的动态系统)所决定的。

“因果性”源于工业系统对确定性的高度追求。

为了把数据分析结果用于指导和优化工业过程，其本身就要高度的可靠性。

“强机理”是获得高可靠分析结果的保证。

分析结果的可靠性体
现在因果和可重复性，需要排除来自各方面的干扰。

在数据维度较高的前提下，人们往往没有足够的数据用于甄别现象的真假。

这时，领域中的机理知识实质上就起到了数据降维的作用，分析的结果必须能够被领域的机理所解释。

三、工业4.0
工业4.0是发展阶段，本质是产业互联网，“互联网制造”的融合，核心是智能制造
1、工业4.0特征
互联：互联工业4.0的核心是连接，要把设备、生产线、工厂、供应商、产品和客户紧密地联系在一起。

数据：工业4.0连接和产品数据、设备数据、研发数据、工业链数据、运营数据、管理数据、销售数据、消费者数据。

集成：工业4.0将无处不在的、嵌入式中端系统、智能控制系统、通信设施通过CPS形成一个智能网络。

通过这个智能网络，使人与人、人与机器、机器与机器、以及服务与服务之间，能够形成一个互联，从而实现横向、纵向和端到端的高度集成。

创新：工业4.0的实施过程是制造业创新发展的过程，制造技术、产品、模式、业态、组织等方面的创新，将会层出不穷，从技术创新到产品创新，到模式创新，再到液态创新，最后到组织创新。

转型：对于中国的传统制造业而言，转型实际上是从传统的工厂，从2.0、3.0的工厂转型到4.0的工厂，整个生产形态上，从大规模生产，转向个性化定制。

实际上整个生产的过程更加柔性化、个性化、定制化。

工业4.0的技术支柱
2、工业4.0九大技术支柱
3、工业4.0背景下的公司发展类型
第一类是智能工厂，分为两种，第一种是传统的工厂转型成智能工厂，第二种是一出生就是智能工厂;
第二类是解决方案公司，为制造业公司提供智能工厂顶层设计、转型路径图、软硬件一体化实施的工业4.0解决方案公司;
第三类是技术供应商，包括工业物联网、工业网络安全、工业大
数据、云计算平台、MES系统。

除这三类以外，虚拟现实、人工智能、知识工作自动化等技术供应商也会面临巨大的发展前景。