转载-信息化与系统集成技术-全面解析工业4-0和云计算、大数据
本文很详细总结了工业4.0、云计算、大数据的知识内容。书上也是这些内容。
转载：物联网干货：全面解析工业4.0和云计算、大数据
数据驱动下的制造业，工业4.0是一个社会变革维度的概念，产生链将以数据为维度进行重新划分，大数据和云计算技术对制造业的影响越来越重。
一、【工业4.0】
工业4.0是在现代智能机器人、传感器、数据存储和计算能力实现突破的条件下，通过工业互联网将供应链、生产过程和仓储物流智能连接，从而实现智能生产的“四化”：供应和仓储成本较小化，生产过程自动化，需求相应速度较大化和产品个性化。
在4.0时代，不仅制造环节的人工将得到节省(机器人为主体的自动化生产连线)，前端供应链管理、生产计划(互联网接入，实施管理订单)、后端仓储物流管理(WMS+自动化立体仓库)都将实现无人化以及较低的渠道库存和物流成本。
工业4.0是德国政府提出的一个高科技战略计划。中国的工业4.0就是中国制造2025。在现代智能机器人、传感器、数据存储和计算能力实现突破的条件下，通过工业互联网将供应链、生产过程和仓储物流智能连接，从而实现智能生产的“四化”：供应和仓储成本较小化，生产过程全自动化，需求相应速度较大化和产品个性化。工业4.0的终极目的是使制造业脱离劳动力禀赋的桎梏，将全流程成本降到较低，从而实现制造业竞争力的较大化。在4.0 时代，不仅制造环节的人工将得到节省(机器人为主体的自动化生产连线)，前端供应链管理、生产计划(互联网接入，实施管理订单)、后端仓储物流管理(WMS+自动化立体仓库)都将实现实现无人化，以及较低的渠道库存和物流成本。回顾前三次工业革命，实际上是应用机械、电气和信息技术等越来越先进的工具逐步将人力从生产中解放，从而提高生产效率、降低生产成本的过程。
（一）【工业4.0的关键内容】
工业4.0有一个关键点，就是”原材料(物质)”=”信息”。具体来讲，就是工厂内采购来的原材料，被”贴上”一个标签：这是给A客户生产的XX产品，XX项工艺中的原材料。准确来说，是智能工厂中使用了含有信息的”原材料”，实现了”原材料(物质)”=”信息”，制造业终将成为信息产业的一部分，所以工业4.0将成为最后一次工业革命。
（二）【工业4.0两大主题】
智能工厂
重点研究智能化生产系统及过程，以及网络分布式生产设施的实现。
智能生产
主要涉及整个企业的生产物流管理、人机互动以及3D技术在工业生产过程中的应用等。该计划将特别注重吸引中小企业参与，力图使中小企业成为新一代智能化生产技术的使用者和受益者，同时也成为先进工业生产技术的创造者和供应者。
1.【智慧工厂】
智慧工厂是在数字化工厂的基础上，利用物联网的技术和设备监控技术加强信息管理和服务;通过大数据与分析平台，将云计算中由大型工业机器产生的数据转化为实时信息(云端智能工厂)，并加上绿色智能的手段和智能系统等新兴技术于一体，构建一个高效节能的、绿色环保的、环境舒适的人性化工厂。
【智能工厂的三大技术和特点】
三大技术：
- 无线感测技术
- 控制系统网络
- 工业通信无线化
特点：
- 制造过程管控可视化。由于智能工厂高度的整合性，在产品制造上，包括原料管控及流程，均可直接实时展示于控制者眼前。
- 系统监管全方位。通过物联网概念，以传感器做连接使制造设备具有感知能力，系统可进行识别、分析、推理、决策以及控制功能。
- 制造绿色化方面，除了在制造上利用环保材料、留意污染等问题，并与上下游厂商间，从资源、材料、设计、制造、废弃物回收到再利用处理，以形成绿色产品生命周期管理的循环。
2.【智能生产】
智能生产是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。通过人与智能机器的合作共事，去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它把制造自动化的概念更新，扩展到柔性化、智能化和高度集成化。
二、【云计算】
云计算是一个提供便捷的通过网络访问一个可定制的IT资源共享池能力的按使用量付费的模式(IT资源包括网络、服务器、存储、应用、服务)，这些资源能够快速部署，并只需要很少的管理工作或很少的与服务供应商的交互。
简单来说云计算是一种未来信息技术的一种主要架构，服务云+消费端。云端通过集中的资源提供各种服务，各种终端通过互联网接入使用，而不是原来各自维护自己的基础架构。
通俗的理解云计算的“云”就是存在于互联网上的服务器集群上的资源，它包括硬件资源(服务器、存储器、CPU等)和软件资源(如应用软件、集成开发环境等)，所有的处理都在云计算提供商所提供的计算机群来完成。
（一）【云计算的特点】
1. 按需即取
消费者可以随时按需使用各类云服务，快速交付，并且通过自助的方式，不需要提供商人工参与。
2. 随时扩展
通过虚拟化技术，云服务提供商提供规模较大的资源池，服务资源可按需随时进行扩展和收缩。
3. 按使用付费
区别于传统软硬件购置的方式，云计算采用按使用付费的模式，让企业IT从资本投资转变为更灵活的运营费用。
（二）【云计算的基本类别】
1. 混合云
客户同时使用公有云资源和私有云资源，逻辑上是一个整体，可实现内部互联，既保证了用户的私有性，又能够灵活使用公有云。
2. 私有云
客户独占使用云资源池。私有云部署在企业数据中心或第三方托管场所(如电信运营商IDC机房)。
3. 公有云
云资源池为所有用户共享，一般通过互联网使用。
（三）【云计算的服务形式】
1. 软件即服务
SaaS服务提供商将应用软件统一部署在自己的服务器上，用户根据需求通过互联网向厂商订购应用软件服务，服务提供商根据客户所定软件的数量、时间的长短等因素收费，并且通过游览器向客户提供软件的模式。
2. 平台即服务
Paas这是一种分布式平台服务，厂商提供开发环境、服务器平台、硬件资源等服务给客户，用户在其平台基础上定制开发自己的应用程序并通过其服务器和互联网传递给其他客户。
3. 基础设施服务
IaaS即把厂商的由多台服务器组成的“云端”基础设施，作为计量服务提供给客户。它将内存、I/O设备、存储和计算能力整合成一个虚拟的资源池为整个业界提供所需要的存储资源和虚拟化服务器等服务。
三、【大数据】
21世纪是数据信息大发展的时代，移动互联、社交网络、电子商务等极大拓展了物联网的边界和应用范围，各种数据正在迅速膨胀并变大。
大数据是一种规模大到在获取、管理、分析方面大大超出传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。如果将大数据比作一个产业，那么这种产业实现盈利的关键在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
（一）【大数据的4V特征】
1. 体量(volume)
非结构化数据的超大规模和增长，总数据量的80~90%，比结构化数据增长快10-5-倍，是传统数据仓库的10-50倍。
2. 多样性(variety)
大户数的异构和多样性，很多不同形式(文本、图像、视频、机器数据)，无模式或者模式不明显，不连贯的语法或句义。
3. 价值密度(value)
大量的不想管信息，对未来趋势与模式的可预测分析，深度复杂分析(机器学习、人工智能等)。
4. 速度(velocity)
实时分析而非批量式分析，数据输入、处理与丢弃，立竿见影而非事后见效。
（二）【大数据与云计算】
云计算的模式是业务模式，本质是数据处理技术，数据是资产，云为数据资产提供存储、访问和计算。当前云计算更偏重海量存储和计算，以及提供的云服务，运行云应用，但是却反盘活数据资产的能力，挖掘价值性信息和预测性分析，为国家、企业、个人提供决策和服务，是大数据核心议题，也是云计算的最终方向。
从技术上来看，大数据和云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
云时代的来临，大数据的关注度也越来越高，分析师团队认为大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。
大数据需要特殊的技术以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模的并行处理数据库、数据挖掘、分布式文件系统、分布式数据可、云计算平台、互联网和可扩展的存储系统。