作者：刘士军
出版社：电子工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
数据化企业致胜之道——数据驱动的创新试读：
内容简介
今天，“工业4.0”、“工业互联网”、“中国制造2025”、“互联网＋”这些热词不断激荡着企业发展的新时代，企业迎来了新的变革窗口，这就是数据化的企业时代。数据化企业从传统的设计、管理和制造信息化（即分散的、单元数字化的过程），向数据驱动的、全面以数据为基础的企业经营活动发展。本书论述了数据为企业带来的新思维、新模式，企业“问道于数”的几个主要方面；从企业创新、制造变革、生产过程和企业管理等方面展现数据化的趋势与价值，探讨了数据驱动创新的方法体系；展现了企业数据化转型不同阶段的丰富案例。
期待本书能给关注数据驱动创新的企业家和管理者以启发，给从事相关技术开发和应用的学者、技术人员及信息、制造领域的学生以参考。序Forward“数据化企业”？这又是一个新名词吗？它与“数字化企业”有什么区别？
1995年，尼古拉·尼葛洛庞帝的《数字化生存》出版，这是一部有关信息技术革命的未来学著作，一出版便高居《纽约时报》排行榜，其后被译成40多种语言，在世界各地引起轰动。在这本书里，尼葛洛庞帝成功预测了数字科技对人类生活、工作和教育的影响；其中的一些预言已经实现，如DVD格式和蓝光光盘取代了录像带；观赏棒球比赛的时候，你可以选择从球场观众席中的任何位置和棒球抛出的角度来欣赏，这在里约奥运会转播中已经实现，类似的个例不一而足。他还提到，生产力要素的数字化渗透、生产关系的数字化重构、经济活动走向全面数字化，以及人们通过数字政务、数字商务等活动体现出全新的数字化政治和经济等极具前瞻性的洞察。
尼葛洛庞帝固然有超人的远见卓识，但毕竟还是在数字化层面去描述未来社会。模拟信号分布于自然界的各个角落，如每天温度的变化，而数字信号是人为抽象出来的在时间上不连续的信号。数字化就是将许多复杂多变的信息转变为可以度量的数字、数据，再用这些数字、数据建立起适当的数字化模型，把它们转变为一系列二进制代码，引入计算机内部，进行统一处理，这就是数字化的基本过程。
站在20年后的今天，我们回望过去，发现信息技术的发展进程比尼葛洛庞帝预想的还要快得多，这主要得益于“数据化”的横空出世。我们已经不仅仅是用数字描述和表现现实事物，更多的是强调利用数据来揭示规律。数据的价值在于它对事物某个属性客观和精准的刻画，而大量的数据关联起来，就指向了事物的本质。如通用电气（GE）可以做到在一秒钟内对风电场成千上万个数据点进行分析，对照风电场实时的功率性能数据，找到风电机组优化调度的靶点，从而最大限度地提高风力发电场的产能。
今天的数据已经铺天盖地，但物物互联将导致更大量级的数据爆炸。据预测，到2020年，来自传感器的数据将占全部数据的50%。今天互联网上的个人，也许每天会推送多至几十、上百条微博、微信，而智能手环每几秒钟就收集多条心跳、体温及各种体能指标，并源源不断地传到云端。这两种数据爆炸量级完全不一样，即将看到的数据爆炸才是超级数据爆炸，这种数据爆炸将把人类带入彻底的数据世界，一切皆成数据。
今天的企业或多或少已经拥有了一些数据，又或深或浅地开始了一些数据处理和分析的工作。但不管怎样，外有互联网经济的包围，内有物联网带来真正的企业互联，企业终将融入数据的海洋。在这种趋势下，企业要学会“数据驱动创新”、掌握“数据化之道”、适应“数据化生存”，利用数据带来的智慧来发展业务，抢占先机。清华大学自动化系前 言Preface
从工业革命时代开始，围绕制造的变革就从未止步，机械、电气、信息技术，每一次重大的技术进步都带来了企业发展的革命性变化。今天，“工业4.0”、“工业互联网”、“中国制造2025”、“互联网＋”这些热词不断激荡着企业发展的新时代，企业迎来新的变革窗口，这就是数据化的企业时代。随着企业数据也像互联网数据一样，以超过摩尔定律的速度在快速增长，数据化企业从传统的设计、管理和制造信息化（即分散的、单元数字化的过程），向数据驱动的、全面以数据为基础的企业经营活动发展。
数据之道的核心是数据的客观性，这使得数据会呈现真实信息，能展现规律，能预见未来。我们也许还不能理解数据背后的“原力”是什么，但可以利用数据所展现给我们的精细、精准、关联与智能。数据驱动的企业创新不仅包括产品设计，还包括管理与模式的创新，实际上数据将涵盖企业业务的全流程，成为企业运转的中枢神经。
全书共分10章，首先描绘了企业从信息化到数据化的发展历程，数据为企业带来的新思维、新模式，企业“问道于数”的几个主要方面；然后从企业创新、制造变革、生产过程和企业管理等方面展现数据化的趋势与价值，重点探讨了数据驱动创新的方法体系，包括数据驱动的创新方法体系和数据驱动的创新工作平台；最后，通过案例讨论了传统企业的数据化之路，展示了互联网企业的天生数据化特征。
本书作者长期在制造业信息化应用和数据科学研发领域耕耘，对企业信息化的内涵与应用有着深刻的理解；并在从事行业大数据和工业大数据的理论研究和工程开发中积累了丰富的实践经验和案例。全书由刘士军、鹿旭东执笔，崔立真统稿。本书在撰写过程中，山东大学的郭伟老师，宋伟凤、李耀坤、张盘龙、杨哲、杨卫刚等同学也参与了部分章节的材料组织、系统开发和审读等工作。
本书在科技部创新方法工作专项（2015IM010200）课题的支持下完成，在编写过程中，曾以各种方式向清华大学柴跃廷教授、浙江大学陈德人教授、浪潮集团王兴山总裁等专家咨询和请教。在此，向所有对本书提供过帮助的专家学者一并致谢。同时，我们也向电子工业出版社为本书选题给予的大力支持，对李洁编辑在本书成稿、出版过程中所付出的耐心而辛勤的工作表示真挚的谢意。
本书参考并借鉴了来自互联网和众多企业、咨询公司的生动案例，这些内容大部分已经在书中的参考文献中列出，但仍难免有所遗漏，对所有这些文献的相关作者表示衷心的感谢。作 者2016年12月信息化为犁，而数据是土壤
今天的世界变得如此广阔，其中所包含的信息是海量的。过去的20年中，人类世界的数据量翻了100倍，而且还在不断地增长，在短短的十几年时间里，地球已经迅速地从一个模拟化的世界变成了数字化的世界。
互联网上每分钟能产生多少数据？每天呢？DOMO公司做了一张名为“数据不会睡觉”的图片，量化了在平平常常的每一分钟里互联网上所发生的事情，这些关于数据的数字令人非常惊讶。[1]图0.1 数据不会睡觉
在海量数据存在的今天，数据将是下一个社会发展阶段的金矿。大数据处理技术能够在合理的时间内实现对海量数据的采集、管理、处理，并整理成为对企业经营决策具有较高参考价值的资讯。大数据不仅意味着对海量数据进行专业化处理、挖掘和分析，更是一种颠覆思维的技术变革。
早在1952年，第一代电子管数控系统就已经出现了。从那以后，信息技术已经深入到企业经营的方方面面，信息技术已经或正在把几乎所有的传统工业从机械化提升到自动化。设计、制造和运销管理都已经或正在实现自动化、智能化、信息化，由计算机控制的机械和生产线代替或减少了劳动者的工作量，提高了效率。计算机虚拟技术的应用加速了产品的设计和生产过程，提高了产品质量和可靠性，降低了成本。网络技术使人们的生产和生活超越了时空和地域的限制，[2]实现跨行业、跨地域、跨国界的合作与集成，逐步走向全球化。
可以说，信息化已经成为企业运营的核心生产力。经过几十年的推广和实践，今天的企业，恐怕已经从骨子里认可了信息化的重要性，不再排斥而是主动地实施信息化。
然而，各种信息化软件主要是加工数据的工具，而产生价值的基础则是信息，是数据，所以说“信息化为犁，而数据是土壤”。
企业使用信息的方式已经发生了极大的改变。数据化的信息表达和数字存储更加便宜和灵活；先进的分析和人工智能使我们可以从海量的数据中获取洞见；虚拟现实和增强现实在我们眼前构建出一个数据的世界；从CAD到三维打印和增材制造，我们从实到虚，又从虚到实，数据在变革制造；从数据定义的产品到数据驱动的生产过程，数据让生产更加灵活、更加高效、更加可控；各层面眼花缭乱的进步都在开启通往数据化企业时代的大门。
原工业和信息化部副部长怀进鹏说，“哪一家企业积极拥抱工业[3]数字化，实现工业化和信息化融合，这样的企业就会更有竞争力”。拥抱工业数字化，意味着有获得数据的能力，也有对数据进行实时分析的能力，同样意味着有将分析结果应用并建立在工业技术之上的能力。
尽管制造业产生了比其他任何行业更多的数据，但还没有被企业充分利用。对比一下传统的汽车制造商和Uber，从产业链的最高点看，二者的共同点是都在开展人员运输业务。汽车制造商利用一个世纪以来的经验，通过工厂车间和销售展厅来满足这一需求；Uber通过智能手机使乘客和汽车配对，无需钢铁、玻璃、橡胶和销售员，仅使用数据就能满足乘客的交通需求。Uber诞生仅7年，其市值就已超过680亿美元，其拥有的数据、算法和广阔的增长前景已经让它比一些全球最大的汽车制造商所有的实物资产、知识产权和品牌都更具价值。
在工业革命300年以后的今天，依托物质生产的传统制造遇到了越来越多的瓶颈。企业需要不断地激发创新活力、挖掘发展潜力和寻找转型动力，他们将眼光瞄向了数据——数据驱动创新。而且这些数据是企业原本就可以获取的，是企业可以用于致胜的法宝。数据为企业提供全方位、全程服务
在产品的设计中，传统的设计师基于灵感和经验，揣度消费者的需求喜好设计产品。在大数据时代，设计师通过对用户行为数据和需求数据进行分析，精准量化客户需求，指导设计过程。
在制造阶段，大数据技术可以帮助实现生产过程异常发现、产品质量提升和生产调度优化等。以生产异常发现为例，传统的基于降维手段的异常发现方法，容易破坏信息完整性，不利于设备异常的发现。在大数据模式下，基于制造数据的分析对关键参数进行提取，然后通过聚类分析手段发现设备异常模式，在此基础上对设备进行控制优化。大数据也能帮助提高产品的质量控制。例如，SPC（统计过程控制）控制的是整个过程的单个参数，但是单个参数在正常范围内为什么还会出现一些质量问题？可能每个参数均处于临界状态，综合后会产生一些质量问题，所以在这个过程中，传统方法就是数据的筛选、参数分析，这个过程介入了人工的分析来进行质量的预测，数据筛选过程淘汰了许多有效的数据资源，参数分析过程经常存在人工经验判断，使得预测模型对整个产品加工过程信息的描述残缺不全，不能发现产品质量问题的深层次原因（如误差累积）。而在大数据模式下，根据产品的加工工艺过程，对产品质量相关数据按层次进行组织，利用多隐藏层神经网络深度学习加工过程中产品质量数据的相互作用机理，可以对产品质量问题进行全面、深层次的描述。
大数据能提升大规模生产调度的全局性能，过去有个问题，就是计划赶不上变化，因为计划是在一个理想状态下做出的。尽管智能方法如遗传算法、蚂蚁算法可以解决生产优化调度的问题，但随着工艺越来越复杂、环境越来越复杂、工艺规模越来越大、问题规模越来越大，全局生产调度已经变成了一个很难解决的问题。传统的智能调度方法难以求解大规模的调度问题，基于规则和瓶颈的方法在大规模问题中又很难得到全局优化。大数据带来了新思路，它采用全局数据之间的关联关系形成全局的调度方案，能够解决大规模生产中的全局调度问题。
大数据能为产品的运营维护服务，如通用电气的航空发动机维护服务，通过建立一个平台，为航空发动机的监控、运行监测、故障诊断提供一个全方位的服务。在产品的运行和维护过程中，大数据模式一改传统被动的运维模式，通过采集和分析智能设备的传感器数据，进行大数据分析，主动进行产品的安全监测、故障诊断，以及运行过程优化。
大数据应用过程中需要的是什么？首先需要的是能够采集到数据，也就是要求产品是一个智能化的产品，所以在智能制造中，首先要有智能化的产品，安装传感器，能够实时地传递数据，为后面的运行、维护服务提供依据。
大数据不只是关于数据，而是采用传统及新的分析方法来分析所有数据。针对大数据分析的结果采取行动来提升业务才是最重要的。随着大数据技术的不断发展，国内外已对大数据在制造领域中的应用进行了一些开拓性的研究，代表性的有GE工业互联网解决方案、Smart Factory计划、SAP HANA平台和Invensys数据分析平台，并已在农夫山泉、百事饮料等公司应用。三一重工利用大数据技术对地理位置数据进行关联分析，发现了泵车主油缸故障与沿海地区杭深高铁建设的强相关性，确定了沿海地区的盐雾环境和水质是导致油缸密封体腐蚀的主要原因。日本小松公司对挖掘机安装传感器与GPS定位系统，用于实时监控车辆运行情况；通过大数据分析，对未来挖掘机市场的需求进行预测，用于调整生产；对用户的使用习惯进行分析，提[4]出建议，从而降低油耗。
从信息采集到决策反馈，企业中的数据已经形成了一个闭环。在这个闭环中，企业利用机器层级的传感器、执行器和集成器，实现从生产层级的机器生成数据；通过使用数据分析，确保收集到数据的精确性，并且马上见到超常规的结果。进而，这些数据可以被用来改善企业的经营，如通过减少工艺或工艺时间降低生产成本。最后，获得的这些数据以决策支持的形式重新回到企业那里，帮助企业创造新产品和服务。
数据产生智能，一旦生产工厂通过物联网连接，就会触发生产、采购、质控、营销和工程控制的效率提升和优化。数据整合和互联就此展开，智能物流、智能销售及智能服务概念开始出现。这些概念也延伸到了供应链、合作伙伴和分销网络。智能制造不是一个遥不可及的未来，它是一个循序渐进的过程，正发生在我们身边。利用现有技术将物理对象，特别是分散的制造业企业连接到虚拟世界中，正在创[5]造新的商业模式。
今天，我们已经进入了所谓“D世代”，即以大数据分析为驱动的时代。在农业社会，土地是核心资源；在工业时代，能源是核心资源；在信息时代，信息是核心资源；而进入“D世代”，大数据成为战略资源。
企业面临拥抱数据化的前夜，有识的企业已经在持续地增加数据领域的投入，内化数据能力，外化数据资产。所搜集的数据，无论从广度和深度，从质量到数量，都数十倍、上百倍于之前的水平；同时，这些企业也在深耕数据技术，掌握核心技术，挖掘数据富矿以获得新知识、新的洞察。
这就是企业的数据之道。[1]Domo. Data Never Sleeps 2.0. https://www.domo.com/learn/data-never-sleeps-2.[2]宋健．制造业与现代化．中国制造业信息化，2003，（1）．[3]吴斌．工信部副部长怀进鹏解读中国工业化和大数据．南方都市报，2016年1月27日．[4]张洁．制造业正迈入大数据时代．中国工业评论，2015（12）.[5]Sarah-Jane Bosch. Manufacturers must embrace Industry 4.0. IOL, 2016-04-03. http://www.iol.co.za/business/opinion/manufacturers-must-embrace-industry-40-2003765.第1章进化：从CIMS到数据化企业1.1 数字新技术唤醒制造
数字技术是当前最具发展活力的技术领域之一，数字技术的高增长性、强带动性和低碳性有着其他技术领域不可比拟的优势。目前，以移动互联网、物联网、大数据、云计算为代表的新一轮数字技术发展浪潮正风起云涌，将引领科技繁荣，重塑信息产业生态链，推动信息化与工业化深度融合，拉开新产业革命的序幕，对经济和社会及全球竞争格局将产生深远的影响，新的技术创新推动着企业进步。1.1.1 制造简史：从石器时代到信息时代
制造业创造了人类，“人猿相揖别，只几个石头磨过，小儿时节。”电磁感应定律，1864年麦克斯韦电磁场理论的建立，为发电机、电动机的发明奠定了科学基础，从而迎来了电气化时代。以电作为动力源，改变了机器的结构，开拓了机电制造技术新局面。
但总的说来，19世纪末之前，制造业生产力水平低下、生产过程简单、分工不发达、生产规模小，另外，来自外界因素的影响相对比较简单，工厂的全部管理（包括生产经营和人员管理等）全凭工厂主的经验，处于经验管理阶段。
19世纪末至20世纪初，内燃机的发明使汽车进入欧美家庭，引发了制造业的一次革命，进入了大批量生产时代，出现了流水生产线，社会分工也日趋明确。由于新的生产技术的应用，经验管理已经不能适应生产的需要，泰勒管理方法应运而生。
这一阶段产品的生命周期很长，设计及开发费用不占成本的主要份额，因此生产改进主要是围绕如何降低成本，特别是围绕如何降低劳动力成本而展开的，刚性大规模生产线应运而生。这一阶段一直延续到20世纪50年代。
第二次世界大战后，人类迎来了电子时代，在短短的50年时间内，信息技术使我们的生活发生了质的变化，世界全面转向信息化时代。通信的迅速普及和计算机的出现，尤其是半导体大规模集成电路的出现，引发了制造业的又一场新的革命，迎来了机械电子学（Mechantronics）和机电一体化（NC、CAD、CAM）时代。借助计算机硬件、软件，综合运用现代管理技术、制造技术、信息技术、自动化技术、系统工程技术，将企业生产全部过程中有关人、技术、经营管理三要素及其信息流有机地集成并优化运行，以实现产品高质、低耗、上市快，从而使企业赢得竞争的CIMS也开始出现。
2013年4月，德国在汉诺威工业博览会上正式提出“工业4.0”战略，其目的是提高德国工业的竞争力，在新一轮工业革命中占领先机。德国学术界和产业界认为，“工业4.0”概念即是以智能制造为主导的第四次工业革命，或革命性的生产方法。该战略旨在通过充分利用信息通信技术和网络空间虚拟系统——信息物理系统（Cyber-Physical System）相结合的手段，将制造业向智能化转型。从工业化到信息化的里程碑见表1.1。表1.1 从工业化到信息化的里程碑1765年——蒸汽机的发明拉开了工业化革命的序幕20世纪上半叶——一批发达国家完成工业化革命1948年——晶体管发明1958年——第一台固体元件计算机1959年——第一个集成电路1960年——ALGOL和COBOL计算机语言1961年——工业机器人首次量产并在生产线上实际应用（Unimate 1900，通用汽车）1964年——大型电子计算机IBM360系列1969年——互联网诞生1971年——用大规模集成电路组成的微处理机1977年——个人计算机1989年——万维网（WWW）诞生2013年——工业4.0概念提出1.1.2 CIMS的故事，信息引领工业
20世纪70年代，美国社会掀起了“后工业社会”热潮，试图将美国的经济重心从制造业向服务业等第三产业转移。而美国政府当局对此也深信不疑，产业政策过分夸大了第三产业的作用，而将制造业贬低为“夕阳工业”、“生了锈的皮带”。美国政府只对基础研究、卫生健康和国防建设提供大量的技术支持，而放弃对制造技术和制造业的经费支持，导致美国制造业优势的衰退。1975年，美国制造业的份额已经跌落到了世界总量的22.3%。充当制造业“晴雨表”的汽车工业遭受到前所未有的打击，著名的五大湖流域的制造业产区面临萎缩。在20世纪70~80年代初开始的世界性石油危机，暴露出美国制造业的优势多数已被日本所取代，美国报纸说：“十个高技术产品中的七个，其市场已为日本所占有”、“日本产品在美国人心目中已经成为质量好、价格便宜的同义词”。
制造业的衰落很快就波及整个经济领域的发展，美国政府认识到当时的经济滑坡和贸易逆差与制造业的衰落有着莫大的关系。此后美国政府出台措施挽救制造业，在其国防部和能源部的通力合作下，制订了《下一代制造业——行动框架》，为美国制造业在将要到来的下一个世纪里勾画蓝图，美国要用其信息技术的优势夺回制造业的领导地位。技术上的可能和市场竞争的需要，终于使哈林顿在1973年提出的CIMS概念由不被重视而迅速地成为一些技术上处于先导地位的企业和一些国家政府的实践活动。认为“对CIMS，不要再犹豫了！（CIMS, no longer a choice!）”。1．什么是CIMS
CIMS是英文Computer Integrated Manufacturing System的缩写，直译为计算机集成制造系统。计算机集成制造的概念最早是由美国约瑟夫·哈林顿博士在1973年提出的，其基本出发点是：
● 企业的各种生产经营活动是不可分割的，要统一考虑；
● 整个生产制造过程实质上是信息的采集、传递和加工处理的过程。
因此，企业作为一个统一的整体，必须从系统的观点、全局的观点出发，广泛采用计算机等高新技术，加速信息的采集、传递和加工处理过程，提高工作效率和质量，从而提高企业的总体水平。
从结构上看，CIMS是多个企业信息化子系统的集成，如管理信息系统（MIS）、制造资源计划系统（MRPII）、计算机辅助设计系统（CAD）、计算机辅助工艺设计系统（CAPP）、计算机辅助制造系统（CAM）、柔性制造系统（FMS），以及数控机床（NC，CNC）、机器人等。CIMS把各种自动化系统通过计算机实现信息集成和功能集成。
CIMS实际上是企业信息化的大集成。首先，上述子系统实现了单元集成，完成了从人工管理到信息化、数字化管理的集成，如MIS实现了多种管理功能的集成，FMS实现了加工设备和物料输送设备的集成等。这些集成是局部的集成，而CIMS是针对整个工厂企业的集成。CIMS面向整个企业，覆盖企业的多种经营活动，包括生产经营管理、工程设计和生产制造各个环节，即从产品报价、接受订单开始，经计划安排、设计、制造直到产品出厂及售后服务的全过程。2．CIMS的核心是集成
CIMS这个单词中：
● C指手段；
● M指大制造；
● S指整个系统；
● I指核心，即通过集成提高制造企业的市场竞争力。
企业是一个复杂的大系统，可分成若干分（子）系统，这些针对企业某一局部功能所建立的系统称为单元系统，如设计子系统、管理子系统、制造执行子系统等，它可以单独运行。
起初，独立运行的单元系统与外界（工厂的其他部分）的联系只能靠人来完成。这些单元系统本身的自动化程度可能很高，可以处理大量的数据，但它所需的数据要靠手工录入，这就容易产生延误，系统的作用不能充分地发挥出来。因此，人们把独立运行的单元自动化系统称为“自动化孤岛”。而把这些单元系统全部纳入到CIMS中以后，它们就成为CIMS的一个个分（子）系统，CIMS就是这多个分（子）系统的集成，从而实现“自动化孤岛”的集成。
因此，CIMS强调的一个重要概念就是集成。集成不是简单的连接，是经过统一规划设计，分析原单元系统的作用和相互关系并进行优化重组而实现的。我们分析一个企业的运营过程，可以看到企业中存在物流、信息流、工作流等。
物流指的是各种原辅材料采购入厂后，经检验、存储、加工直至变成产品出厂的所有过程。企业的物质流动过程应是一种增值过程，伴随着一个资金价值流。
物流集成在不同行业中水平不同。一般在流程工业（如化工厂）中物流集成水平很高，其次是冶金半连续制造业，机械制造物流集成相对较差。一般来说，产品批量大的企业物流集成程度高，如采用自动流水生产线。而在单件生产或多品种小批量生产方式中，虽可用柔性制造系统实现物流集成，但成本高，难度也较大。
当代企业早已摆脱了原始的手工作业的生产方式，企业内部有严格的组织分工，各部门、各工作岗位之间存在复杂的工作流，工作流带动了物流。工作流程的组织和协调运行水平决定了企业的工作效率，从而在一定程度上决定了企业的竞争能力。
与物流、工作流紧密相关的是信息流。企业对市场信息、产品信息、工艺信息、质量信息、人员、设备及组织管理信息也要进行收集、存储和加工处理，从而形成了复杂的信息流。企业中信息流无处不在，贯穿于企业经营生产的全过程。
CIMS集成的最终目的是实现企业的功能集成（也称经营集成）。要对系统运行过程进行综合分析，对系统进行重新设计，使工作流程简化、精美优化，使之协调运行。功能集成要借助各种现代的管理科学成果，并在信息集成的支持下才能实现。3．CIMS的巨大推动力
制造业的各种生产经营活动，从人的手工劳动变为采用机械的、自动化的设备，并进而采用计算机，是一个大的飞跃；而从计算机单机运行到集成运行则是一个更大的飞跃。将各种技术集成的CIMS技术则为跨国公司和全球化制造提供了信息支撑平台，加速了产品创新开发，支持了战略性产品的制造，增强了制造业综合竞争力，促进了以知识产权为核心的制造业信息化应用软件产业和咨询服务产业的发展，确保了独占性技术在国际竞争中的制高点。
世界上一些著名的大公司，从20世纪70年代末80年代初开始制定本公司实现CIMS的规划，建立CIMS的生产工厂（车间），攻克实现CIMS的技术难关并不断取得重大进展。一些工业发达国家（如美国、日本）、欧洲共同体和经互会成员国都把CIMS作为科学技术发展的一个战略目标，通过制订各种计划、规划，建立国家级研究实验基地等手段积极推进这一新的生产方式的发展。
美国政府也提出了社会投资计划和产业政策，鼓励制造企业购进新设备，引进新技术，制造业本身的生产效率也随之提高。
在中国，CIMS单元技术的研究和应用始于20世纪中叶。1986年CIMS正式列入863计划，即“高技术研究发展计划纲要”，从此开始了在中国研究、应用CIMS技术的新篇章。1.1.3 互联网时代，创新推动制造业的复苏
英国计算机科学家、万维网的发明者，蒂姆·伯纳斯·李爵士（Tim Berners-Lee）在1990年12月25日成功地通过Internet实现了HTTP代理与服务器的第一次通信，标志着互联网时代的开始，从此，世界进入了人与社会、经济与组织、有形世界与虚拟世界都相互关联、彼此交融、互联互通的零距离时代。在全球新一轮科技革命和产业变革中，互联网与各领域的融合发展已成为不可阻挡的时代潮流，对各国经济社会发展产生了战略性和全局性的影响。
随着技术的进步，美国企业开始推行“美国制造”的措施，将生产基地转移回美国市场。美国通过《2010制造业促进法》、《国家先进制造伙伴计划》（2011年）、《国家制造创新网络（NNMI）：初步设计》（2013年）等，努力实现“本土发明、本土制造”，希望将最先进制造行业的研发和生产都留在美国，使美国制造业在全球经济布局和新一轮产业革命中抢占制高点。
以一台零售价为499美元的2010款16GB的iPad平板电脑为例，其中供应商原材料和零部件价值共计154美元，全部劳动力成本为33美元，而中国只占其中的8美元。真正的创新在于产品设计及智能软件开发，而这正是另一个产业集群——硅谷的所长，苹果公司正坐落于此。iPad内部各个元件的来源及成本如图1.1所示。
从现在的公开数据可推算出：在美国生产一块完整电池板的成本要比在中国生产并运至美国西海岸的合计成本高出约25%。但是，在将生产线的生产优势考虑在内后，美国制造太阳能电池板的成本将在未来十年内下降为原来的50%以上，变为每瓦50美分左右。
据美联储数据，2014年第二季制造业产出按年增长6.7%，为2012年首季以来最大季度增幅。甚至包括服装业，美国最大的两个服装生产基地纽约和洛杉矶的生产量呈现大幅增长的走势，而南部多个州也大幅加大服装生产工厂的建设和投资。在2009—2013年，美国制造业大约增长了20%。同时，依靠先进的制造技术，美国制造业成本显著降低，与我国的差距将快速收窄。
而在欧洲，德国制造业仍保有强大的竞争力。不仅是以奔驰、宝马为代表的“德系车”驰名全球，装备制造和零部件制造也是其强项。像博世、大众汽车、西门子这样的世界级工业巨头不在少数。而且德国各地的研究机构和大学对企业的技术应用具有相当大的贡献。[2]图1.1 iPad内部各个元件的来源及成本
弗劳恩霍夫应用研究促进协会（下属80多个科研院所）是欧洲最大的应用科学研究机构，以增强德国和欧洲在技术层面的产业竞争力为主要目标，通过进行企业的委托研究和独立研究项目的副产品技术应用、专利批准和进出口许可、对企业的创业支持等，实现技术应用市场化。
马克斯·普朗克学会，简称马·普学会（下属80多个科研院所），是政府支持的进行基础研究的专业研究机构，其论文的被引用数量位于世界第一。拥有专门从事于专利批准、进出口许可、副产品技术支持等的专业机构，致力于知识和技术的市场应用。截至2014年，马·普学会至少走出了33位诺贝尔奖得主。[3]图1.2 太阳能电池板制造成本对比
亥姆霍兹国家研究中心联合会（拥有17个大规模研究中心）是德国每年预算（约40亿欧元）最大的研究机构。拥有以基础研究为主的机构，以及旨在技术研发的院所，后者通过副产品技术支持、民间企业共同进行项目开发等，助力企业的技术应用。1.2 工业4.0，连接与智能
工业4.0时代，所有的工厂都是软件企业，都是数据企业。企业的各个部分与生产的各个环节通过数据链路连接成一体，而数据的分析则产生了智能。1.2.1 工业4.0“工业4.0”研究项目由德国联邦教研部与联邦经济技术部联手资助，在德国工程院、弗劳恩霍夫协会、西门子公司等德国学术界和产业界的建议和推动下形成，并已上升为国家级战略。德国联邦政府投入达2亿欧元。“工业4.0”概念包含了由集中式控制向分散式增强型控制的基本模式转变，目标是建立一个高度灵活的个性化和数字化的产品与服务的生产模式。在这种模式中，传统的行业界限将消失，并会产生各种新的活动领域和合作形式。创造新价值的过程正在发生改变，产业链分工将被重组。“工业4.0”项目主要分为两大主题，一是“智能工厂”，重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现；二是“智能生产”，主要涉及整个企业的生产物流管理、人机互动及3D技术在工业生产过程中的应用等。
在工业4.0趋势下，工业的信息化水平进一步提升，尤其是“互联化”和“智能化”的提升。以制造业为例，在其转型升级中，渗透着“互联”和“智能”两个关键词，可以概括为几个方面：第一，产品智能化；第二，流程的智能化升级；第三，制造业的互联网化。随着信息物理系统的推广、智能装备和终端的普及，以及各种各样传感器的使用，将会带来无所不在的感知和无所不在的连接，所有的生产装备、感知设备、联网终端，包括生产者本身都在源源不断地产生数据，这些数据将会渗透到企业运营、价值链乃至产品的整个生命周期，是工业4.0的新资源、新燃料。数据是区别于传统工业生产体系的本质特征，是工业4.0的核心。
在“工业4.0”时代，制造企业的数据将会呈现爆炸式增长态势。工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，从数据类型看也多是非结构化数据，生产线的高速运转则对数据的实时性要求也更高。因此，工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少，在某些情况下甚至更为复杂。
在IBM看来，所谓工业4.0，其实就是大数据驱动的智能工业。IBM大中华区副总裁冯国华认为这是一场由首席执行客户（CEC）推动的，以“D世代企业”（大数据分析驱动型企业）的诞生与发展为标志的，以大数据、云计算、移动、社交等技术为主要驱动手段的工业革命。这里所谓的“D世代企业”，是指那些为了更好地适应消费者的转变，需要借助大数据、云计算、社交、移动等新技术推动企业转型，从而帮助企业更好地满足消费者需求的企业。其中大数据分析的重要性尤为突出。1.2.2 工业互联网
几乎与此同时，2011年，通用电气在加州硅谷建立全球软件研发中心，开发工业互联网，研发内容包括工业互联网平台、应用及数据分析，目前研发团队已经达上千人。在通用电气公司2012年11月发布的《工业互联网——打破智慧与机器的边界》的报告中预测：在美国，如果工业互联网能够使生产率每年提高1%~1.5%，使其重回互联网革命时期的峰值水平，那么未来20年，它将使美国人的平均收入比当前水平提高25%~40%。随着创新意识在全球范围的扩散，如果世界其他地区能确保实现美国生产率增长的一半，那么工业互联网在此期间会为全球GDP增加10万～15万亿美元——几乎是当今美国经济的规模。在当今富有挑战性的经济环境中，即使确保实现一小部分生产力提高，也能在个人层面和整个经济层面带来极大的益处。2013年，通用电气宣布将在未来3年投入15亿美元开发工业互联网。2014年，更大范围的参与者，包括AT&T、思科、通用电气、IBM和英特尔等在美国波士顿宣布成立工业互联网联盟（IIC），以期打破技术壁垒，为工业互联网确定和建立新基础、共同框架和标准，促进物理世界和数字世界的融合。作为一个开放性的会员组织，工业互联网联盟致力于为更好地访问大数据提供支持，有助于机构更便利地连接和优化资产、操作及数据，提高灵活性，以释放所有工业领域的商业价值，共同组成工业互联网的生态系统。
工业互联网汇集了两大革命性的进步：工业革命带来的无数机器、设备组、设施和系统网络，以及互联网革命中涌现出的计算、信息与通信系统更强大的进步结合起来。这些革命性的进步中汇集发展了三大元素——智能机器、分析和人，而这正是工业互联网的精髓。
● 智能机器：将世界上各种机器、设备组、设施和系统网络与先进的传感器、控制和软件应用程序相连接的新方式。
● 高级分析：利用物理分析、预测算法、自动化及材料科学、电气工程及其他了解机器和更大系统运转方式所需的重点学科的深厚专业知识。
● 工作中的人：在任何时候将人相连——无论他们在工业设施、办公室、医院工作还是在行进中——以支持更加智能的设计、运营、维护，以及更高质量的服务和安全性。“工业互联网是以信息化手段为支撑，落脚点在资产优化和运营优化，进而带来成本降低、效率提升和产能转型。”通用电气中国软件业务总经理杨涛解释道，“‘工业4.0’关注的是生产制造领域，而工业互联网更关注制造企业的整体生态链。”他极力强调了二者的不同。因此，连接是基础，优化才是工业互联网的根本，这恰恰需要依靠工业互联网概念中反复强调的“数据”与“数据分析”。
而通用电气公司更是在2012年率先明确提出了“工业大数据”的概念。通用电气在其名为《工业大数据的兴起》的白皮书中指出，“伴随着日益增加的先进装置和设备，大量在线的操作数据汹涌而来。有远见的企业正在利用这些数据进行卓越运营和预测分析，以创造竞争优势，加速企业的增长。”但是，对于构建分散处理型系统应用环境的制造业来说，无论是在复杂性还是在所需的专业技术方面，企业所面临的许多情况都超出了传统制造业的应对能力。也就是说，要让企业真正用好工业大数据并不是一件容易的事情，需要技术的进步与推动。1.2.3 CPS连接一切
在2015年德国汉诺威工业展上，“连接”（connect）＋“智能”（smart）是两个醒目的主题（如图1.3所示）。
连接靠的是CPS（信息物理系统，Cyber Physical Systems），CPS作为计算进程和物理进程的统一体，是集成计算、通信与控制于一体的下一代智能系统。CPS概念的提出已经有一段时间了，早在2006年，《美国竞争力计划》已经将CPS列为重要的研究项目。图1.3 汉诺威2015工业展上的“连接”（connect）和“智能”（smart）
而在德国工业4.0中，则把CPS置于核心地位。企业将建立全球网络，把它们的机器、存储系统和生产设施融入CPS中。在制造系统中，这些虚拟网络-实体物理系统包括智能机器、存储系统和生产设施，它们能够相互独立地自动交换信息、触发动作和控制。这有利于从根本上改善包括制造、工程、材料使用、供应链和生命周期管理的工业过程。正在兴起的智能工厂采用了一种全新的生产方法。智能产品通过独特的形式加以识别，可以在任何时候被定位，并能知道它们自己的历史、当前状态和为了实现其目标状态的替代路线。嵌入式制造系统在工厂和企业之间的业务流程上实现纵向网络连接，在分散的价值网络上实现横向连接，并可进行实时管理——从下订单开始，直到外运物流。此外，它们形成且要求的端到端工程贯穿了整个价值链。
事实上，正是有了CPS作为基础，数据化企业才能够真正实现聚集数据和数据驱动。1.2.4 数据创造智能
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能与人类智能相似的方式做出反应的智能机器。人工智能一度非常热门，20世纪70年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。然而人工智能的发展远不如其他技术那么顺利。举个简单的例子，现在回过头去看当年的科幻电影，如《终结者》系列，会发现当时的人们对人工智能的期望很高，在他们的想象中，今天的世界不但已经普遍使用机器人，甚至已经爆发了机器人与人类之间的战争。显然，人们幻想中的人工智能到今天还远未发生。
梳理一下原因，不难发现，传统人工智能用的是符号推理模型和数据推动模型，试图从中推断复杂的关系，就像人类认知那样。但是人们没有意识到这里所需要的数据的规模该有多么庞大，直到有了互联网，直到有了数据爆炸式地增长，人们才有了产生智能的数据基础。
智能制造和智能工厂也是一样，当我们还没有搜集到足够的数据时，很难洞察业务过程背后的规律和奥秘。工业4.0时代，机器所产生的工业物联网数据量将远远超过目前消费互联网所产生的数据量。在长期积蓄了大量实时收集的数据后，按每台设备、每月、每班、每份订单等进行比较，找出相互关系。通过分析其中复杂的数据关系，就会有认知和推理，就会有智能产生，推进更自动化的生产设备、更灵活的流程管理，让工厂能够基于市场预测快速地装配调度，智能地生产，从而以最快的速度匹配消费者的需求。1.3 数据化企业，超越企业信息化1.3.1 数据化企业的三个核心特征
数字化（Digitization）就是将许多复杂多变的信息转变为可以度量的数字、数据，再用这些数字、数据建立起适当的数字化模型，把它们转变为一系列二进制代码，引入计算机内部，进行统一处理。将数字化技术用于支持产品全生命周期的制造活动和企业全局优化运作就是数字化制造技术，将数字化技术注入工业产品就形成了数字化产品。从CAD开始，企业开始了数字化进程。继而，从设计到制造，再到管理，企业全面进入了数字化时代。
数字化本质上是信息化，是传统模式的计算机化，如CAD制图，基本上是绘图板功能的计算机化；而电子记账，则是手工账本的计算机化；即便是数控机床，也是让计算机模拟人脑去控制切削加工的工程；更本质的变化是信息化带来企业业务流程的变革，信息将业务流程整合得更加顺畅，使流程中的人和工作更加灵活。同时，核心的企业资产（如智力成果、财务和人力资源）也以数字化信息系统的方式进行管理和运作，也就是数字化管理。可以说，企业增添了信息化的辅助，变得更加高效、省力、精准。“数字化”企业可以这样来定义，即在一个“数字化”企业中，几乎所有的商业关系，诸如客户、供应商、雇员之间及核心的业务流程都是通过数字化的信息系统进行连接和沟通的。借助信息化手段和信息化系统，“数字化”企业对外部环境的反应速度比传统的企业要快得多，使之能够在竞争激烈、变化无常的市场环境中生存并保持持续的竞争力，但本质上并没有改变制造模式。
2016年9月6日至9日，西门子PLM全球产业分析师会议在波士顿举行，本次会议的主题是：数字化，改变一切（Digitalization, Change Everything, Everywhere）。西门子公司PLM的CEO Chuck Grinstaff先生在演讲中指出，企业数字化转型失败的核心原因是没有将数字化列入企业的核心战略。企业只是投资应用最新的单项技术，而缺乏横向集成；仅将数字化技术当作提高企业运营效率的支撑技术，考虑的只是具体的信息采集数字化（Digitization），但没有全盘考虑企业的数字化（Digitalization）转型策略。因此，制造业的创新密码在于重新思考每一个业务环节，真正构建数字化企业。数字化将带来新的商业模式和企业运营模式，大数据和互联的世界也会彻底改[4]变企业的运营模式。
这里，两个同样翻译成“数字化”的英文单词——Digitization和Digitalization，其内涵是不同的。后者更接近于我们今天所说的“数据化”，则完全是另一个概念。早在2012年，数据的爆炸性增长就跨越了其临界点，越来越多的企业认识到数据尤其是大数据的影响力。数据化企业并不仅是设计、管理和制造的数字化，也即分散的、单元数字化的过程，而是强调全面以数据为基础的企业经营活动。
数据化企业将数据视为核心资产，通过数据洞察业务、量化管理，实现数据定义的经营活动。数据化企业有三个核心特征。（1）数据资产化（Data as a Asset, DaaA）：在大数据时代，数据渗透各个行业，渐渐成为企业战略资产。拥有数据的规模、活性，以及收集、运用数据的能力，将决定企业的核心竞争力。
世界经济论坛报告曾经预测称，“未来的大数据将成为新的财富高地，其价值可能会比肩石油”，而大数据之父维克托也乐观地表示，“数据列入企业资产负债表只是时间问题。”
资本区别于一般产品的特征在于它具有不断增值的可能性，如果不能为企业带来经济利益，再海量的数据也只是垃圾一堆。只有能够利用数据、组合数据、转化数据的企业，他们手中的大数据资源才能成为数据资产。（2）软件定义一切（Software Defined X, SDX）：“软件定义一切”的核心思想是将特定的硬件与软件进行解耦，通过软件为硬件灌注智能。
软件定义一切的最早体现是软件定义网络（Software Defined Network, SDN），它是由Emulex提出的一种新型网络创新架构，其核心技术OpenFlow通过将网络设备控制面与数据面分离开来，从而实现了网络流量的灵活控制，为核心网络及应用的创新提供了良好的平台。未来的企业可以为用户定义个性的产品，只要有数据的支持，就可以由软件所定义的生产过程生产出来。（3）数据驱动生产（Data Driven Production, DDP）：一个数据驱动的组织会以一种及时的方式获取、处理和使用数据来创造效益，[5]不断迭代并开发新产品，并在数据中探索（navigate）。
引用一句最强的数据驱动组织的座右铭：“If you can't measure it, you can't fix it”人一种美妙的能力来传达这种价值，其方式包括：
①产生和收集尽量多的数据。不管是做商业智能还是构建产品，如果不能收集数据，就不能使用数据。
②以一种积极和省时的方式来度量产品或策略。如果不去度量结果，又如何得知经营策略是否有效。
③让更多的人来观察数据。任何问题可能只是因为一些简单的原因导致的，更多有经验的专家可以从不同的角度迅速发现问题出在哪儿。
④激发对数据产生变化或不变的背后原因的好奇心。在一个数据驱动的组织里，每个人都应该对数据好奇，思考数据。1.3.2 超越企业信息化
根据信息化发展规律、信息化的集成度及价值收益可以将中国企业的信息化历程分成四个阶段，分别是：财务电算化、数字化企业、[7]信息化企业和智慧化企业。（1）财会电算化阶段：从1981年财政部推动提出“会计电算化”概念起，国内企业开始开展企业信息化应用，计算机应用主要集中在以财务电算化和档案数字化等个别领域。（2）数字化企业阶段：20世纪90年代以后，这个阶段的企业信息化应用特点为部门级应用，实现文档电子化、办公自动化、业务流程化，支持内部流程整合。（3）信息化企业阶段：2000年以来，我国企业信息化进入了快速发展时期。这个阶段的应用特点为以ERP套装软件为集成应用的企业级应用，加强信息资源利用，集成和整合信息流、价值流、业务流，支持企业管控模式，全面提升企业决策能力。（4）智慧化企业阶段：2008年11月，IBM提出“智慧地球”。2009年8月，温家宝总理提出“感知中国”。随着各种新兴技术的成熟和相关政策的落实，企业也开始积极尝试采用物联网、云计算等新兴信息技术，步入智慧的阶段，其特点为信息化和管理提升充分结合，紧跟市场、随需速动、智慧经营，充分支持企业模式创新和产业转型升级。
从信息化的形态来看，早期的电算化阶段主要实现企业的财务、人力资源、进销存等部门级别的办公数字化与自动化。数字化企业阶段和企业信息化阶段则以集成为主线，主要围绕企业运营的业务流程来做，通过IT提高效率、降低成本，以C/S、B/S架构信息系统为主，本质是企业级别的应用集成。与前两个阶段不同，智慧化企业阶段主要是实现企业的互联网化，是企业间、产业链级的信息化。这一阶段的信息化是企业智慧经营创新的重要基础，企业需要打造新的具有互联网特性的技术平台和IT系统，以实现商业创新和产业的跨界融合。其核心价值则是智慧驱动的商业创新和产业融合，是企业运营模式的变革（见图1.4）。
每一轮技术引领商业变革的浪潮中，总有一些领先企业能率先敏锐地感知到变化，比对手提早拥抱新技术趋势，赢得长期竞争优势。2014年，IBM董事长、总裁罗睿兰提出了“D世代企业”这一概念。D世代企业就是这样一群商业变革前瞻者，它们在探索客户和市场洞察方面更出色；在市场份额、客户维护等KPI上的表现高于平均水平；[8]在开辟新收入流方面更为出色。图1.4 企业互联网时代的信息重定义（资料来源：海比研究&用友软件，2014。）“D世代企业”是大数据分析驱动型的企业，可以战略性地运用云计算、移动、社交和大数据分析工具，掌握并预测以客户为中心的市场状况和变化趋势，并根据数据洞察生成最佳行动建议，数据贯穿[9]企业研发、生产、营销、服务等运作环节。“D世代企业”有如下的特征，也是传统企业向“D世代企业”进化时候需要做的事情：
● 依托大数据分析结果，确定企业主要流程和做出决策，而不是再依赖管理者的决策；
● 分析复杂的数据源，并取得预测性分析结果和最佳行动建议；
● 在云环境中管理更多的数据和分析过程；
● 逐步把移动和社交作为与客户互动的主要方法；
● 改变企业文化，而不仅是技术。
美国的自来水公司经理现在面临一个难题。美国水工程协会（AWWA）推荐的非税收失水比例在10%~15%之间，但经理都知道，许多系统失水损失多达50%，全美国这项损失每年高达26亿美元，然而发现这些损失发生在哪里是一件困难的事情。
实际上，企业可以借助数据化来解决问题，智慧基础设施解决方案提供商Acala公司的Star Water解决方案（见图1.5）就是这样一个数据应用系统，它集成了数据网络、水表等传感器、数据分析和数据管理工具，使得自来水系统更为清晰和可控。该系统的核心是数据网络（Star Network），这是一个抄表解决方案，通过一个安全的远距离无线网络提供全面的数据获取。同时，依靠一种声学泄漏检测系统（STAR ZoneScan），可以及时发现泄漏点，减少非收益水损失。雷德蒙市就部署了一套这样的系统，它可以每小时读取一次水表数据，帮助管理人员及时确定泄漏和无收入水损失；通过关联用户的其他数据，他们还可以进一步针对没有用水的激活账户自动生成周报，以及时识别水表损坏，最大限度地减少未记账损失。图1.5 Acala公司的Star Water解决方案1.3.3 软件定义企业
对于软件定义，最熟悉的莫过于SDN（Software Defined Network，软件定义网络），这个术语于2006年诞生在美国GENI项目资助的斯坦福大学Clean Slate课题，以Nick McKeown教授为首提出了OpenFlow概念，其核心是将网络设备控制面与数据面分离开来，从而实现了网络流量的灵活控制，为核心网络及应用创新提供平台。
软件定义打破了原来以硬件为核心的传统框架，将产品的功能、灵活性、易扩展性、安全性、可管理性通过丰富多彩的软件来展现。软件定义在某种程度上来说就是虚拟化，不同之处是软件定义突出了软件在整个IT基础架构中的重要角色和地位，将虚拟化贯穿到基础架构的每一个组件，让每个组件都能打破物理疆域，让虚拟化带给基础设施足够的弹性，适应向云计算转换的需求。
对于企业来说，首先是IT资源的池化，计算资源、存储资源和网络资源都可以进行池化。其中，计算资源池化借助各种虚拟化工具，以虚拟机为基础，通过虚拟机迁移提高系统管理水平，提升系统可靠性，并借助灵活管理策略降低系统的运维成本。存储虚拟化则侧重于存储阵列资源的统一调度和管理，服务器应用将各种数据提交给存储虚拟化设备，该设备将数据管理调度给底层的阵列。网络设备池化则实现了网络流量的灵活控制、动态调度。
VMware公司首席执行官帕特·基辛格在vForum 2014上就软件定[10]义企业进行了系统论述。其核心是软件定义数据中心，包括计算、网络、管理、存储四大组件。首要的是计算，把计算的部分进行虚拟化，广泛部署一系列的虚拟化产品，不仅是应用虚拟化，还包括存储和网络虚拟化，以支持在云环境下所有工作的自动化。
图1.6主要描绘了企业的IT基础设施，当企业具备软件定义基础设施能力的时候，这样的企业就具备了软件定义企业的基础，其最大
试读结束[说明：试读内容隐藏了图片]