阅读《从大数据到智能制造》让我深刻认识到大数据对于制造业的重要性。文章指出，通过收集和分析大数据，企业可以优化生产流程，提高效率和质量。智能制造将成为未来制造业的主流趋势，需要企业不断创新和提升技术水平，以适应市场需求。
《从大数据到智能制造》读后感(一)
所有的一切都开始于标准，你我的沟通源自文字的标准，而大数据的彻底被激发，就源自人们对大数据的各项行业标准的设定，让无序的数据在标准的约束下成为有序的数据，不同的标准之间的衔接便是基本的行业逻辑。
在这之上有着的是难以想象的未来，但对于标准的制定，才是一代又一代人所努力的方向。一个行业的标准到底是什么，到底依照什么样的标准才能达到生产力的提升，才能被机器所利用，才能提升人的主观能动性，才能让人脱离更多重复的劳动。
《从大数据到智能制造》读后感(二)
4.0也说了很多年了，除了迎来一波波3流工厂的倒闭，似乎也没掀起太大风浪。本书的作者也算研究这个门类的专家了。书还是待阅状态，暂且不谈此书，先说说智能制造吧。
不同于敏捷迭代的互联网行业，工业应用场景强调稳定可靠，对技术的根源解析和各种环境下的应用测试要比直接面向个体用户的互联网强很多倍，也导致工业的发展是必然走不了爆发途径的，博观约取、厚积薄发才是这个行业的正道，炒概念造需求虽能引来关注和资金，但不能长久，当然营销可以为奇术，所谓以正合，以奇胜。
从这个概念上来说，大数据与智能化算是术，对产品生产流程的优化和产品感性化价值的探索才是工业4.0的基点，是道。术道并重，奇正相辅，民族工业才有希望。
《从大数据到智能制造》读后感(三)
这两年，大数据逐渐成为各行各业的热点，自己也一直想着能够通过书籍对大数据有更多的了解，但不知道从哪本书下手。仿佛听到了我的心声似的，前不久好友推荐了一本交大出版社的新书：《从大数据到智能制造》，一口气读完后立马写了读书笔记。在书中李杰教授主要论述了大数据在当今和未来制造业中的应用，并通过大量案例阐述大数据如何在工业生产中发挥重要作用，为大数据在我国制造业的使用和发展提出了若干条可行的思路。
全书共分3个篇章：引导篇，案例篇和专家论述篇。下面就这三个篇章简要说明书籍主要内容。
引导篇
引导篇开篇即说明当今制造业现状，列举世界各国在制造产业转型中的战略及政策，从德国的“工业4.0”到大家耳熟能详的“中国制造2025”。作者分析了和比较了各国产业的发展背景、历史、优势和形态等内容，如日本重视人员的培训、工作环境以及企业文化的塑造；德国重视机器的使用和系统的改进等。
接下来，李杰教授针对工业和大数据发展的状况提出了“三个三”理念：
第一个三：
工业发展经历了三个阶段，分别是以质量和生产效率为核心的阶段、使用建模解决问题的阶段以及利用预测分析技术发现隐性问题的阶段。
第二个三：
智能制造中三个重要元素：问题、数据以及知识。
所谓问题指的是制造系统中的显性或隐形问题；
数据指的是制造系统中能够反应问题发生的过程和原因的数据；
知识主要包括制程、工艺、设计、流程、诊断等。
第三个三：
基于第二个三中的三个重要元素，作者提出了大数据在工业生产中的三个应用途径，
即：
一、把问题变成数据，杜绝可见问题；
二、把数据变成知识，避免隐形问题；
三、利用反向工程（从结果和知识端反推问题）解决问题。
其中，第三个三是“三个三”理念中的核心内容，也是本章、甚至本书中的核心内容。这个核心内容为大数据在制造产业的应用和发展提供了重要的思路。
最后，尽管对工业大数据保持高度乐观，作者也说明了工业大数据中的各种挑战，如，现今各国工业制造行业缺乏工业知识和大数据应用的复合型人才。
案例篇
案例篇中，李杰教授穷举大量翔实案例，阐明大数据如何在工业生产中通过上文所说的三个应用途径发挥作用。
案例涉及航空航天、农机制造、电子仪器制造等行业，包括美国的“2mm”工程、GEnx冰晶事故、通用电气航空、欧姆龙能耗管理系统等近16个案例，图文并茂，且配有作者专业的分析和解答，非常具有借鉴性。因大部分涉及到过于专业的内容，个人水平有限不能在这里进行详细列举和复述，有兴趣的朋友可以找来看一看。
采访篇
本篇章中，李杰教授采访了4位在制造行业中举重若轻的人物，分别是：著名经济学家马光远、航空发动机专家王安正、三一重工副总裁贺东东以及NI（美国国家仪器）行业市场经理崔鹏。通过与4位行业大牛的对话，本书重新审视了大数据在不同领域的发展和应用，为大家理解工业大数据提供了新的角度和思路。
此外，李杰教授将自己接受福布斯中文版总编康健的采访内容收录在书中，进一步阐明自己对工业大数据的看法。
最后，正如李杰教授在导论篇中强调的，“大数据不是目的，而是一种手段和途径”，是一种让价值链和产业链结合得更加紧密的一种手段，也是帮助企业更好实现自身价值、服务社会的一种途径。
虽然这是本写给制造工业人士阅读的书目，但是个人认为非常适合非专业人士阅读，是一本极佳的大数据入门读物。作者文笔流畅，逻辑清晰，有理有据，态度严谨。
对于许多非制造产业的读者来说，书中部分案例冗长的叙述和数据分析可能会把你们吓跑。但私以为单是导论篇就足以让大家对大数据和中国未来工业制造走向有一个明晰的认识，后面的案例可以根据个人情况酌情进行阅读。
《从大数据到智能制造》读后感(四)
引言是本书写的最好的地方，尤其在方法论方面说的比较清楚
智能制造并不仅仅是一个技术体系或文化，更重要的是背后对智慧的理解、解决问题的逻辑和重新定义制造的思维。
制造系统的核心要素可以用五个m来表述，材料、装备、工艺、测量和维护。
而智能制造系统区别于传统制造系统，最重要的要素在于第六个m，即建模，并且就是通过这第六个M来驱动其它五个要素，从而解决和避免制造系统的问题。智能制造所要解决的核心问题是知识的产生和传承过程。
智能制造系统运行的逻辑是发生问题，模型分析问题，模型调整五个要素，解决问题，模型积累经验并分析问题的根源，模型调整五个要素，避免问题。实现从问题中产生数据，从数据中获取知识。再利用知识避免问题的闭环过程。
制造业的发展过程，其核心是制造哲学的进步过程，经历了标准化、合理化+规范化、自动化+集成化、网络化+信息化四个阶段，这背后的制造哲学可以概括为以低成本生产高质量的产品，通过全流程改善降低浪费、次品和事故，通过产品全生命周期的数据管理，为用户提供所需要的能力和服务。
通过分析数据从而预测需求、预测制造、解决和避免不可见问题的风险，和利用数据，整合产业链和价值链，这才是大数据的核心目的。
利用大数据推动智能制造有主要以下三个方向，一把问题变成数据，利用数据对问题的产生和解决进行建模，把经验变成可持续的价值。二把数据变成知识，从可见解决问题延伸到不可见问题，不仅要明白how，还要理解why。三把知识变成数据，这里的数据指的是生产中的指令、工艺参数和可执行的决策，从根本上解决和避免问题。
对知识的理解积累和传承方式的差异，决定了制造哲学和文化。解决问题的手段和方法，决定了所获得知识的形式，而将知识抽象化加以运用的过程和形式，则决定了知识传承的形式，这个过程可以通过人来完成（日本）、数据来完成（美国）、设备来完成（德国），或是系统来完成，这也是决定一个国家制造哲学的最根本原因。
提升产品质量的方式有很多种，但是我认为中国制造目前最需要提升的是标准化规范化和合理化，至于是应该是使用自动化、信息化、机器换人还是工匠精神等方式，应该是具体的行业和企业的情况而定。
如何定义服务型制造:
服务的无形性生产过程和消费过程的不可分割性，使得传统的以库存管理为基础的制造运作管理理论不再适用，需要建立基于能力管理的服务型制造系统的运作模式。发展不同类型的制造及服务能力，建立制造及服务能力知识库，开发规范化的制造及服务能力协作接口，形成不同模块即插即用的能力，以根据客户的需求，实现能力模块的快速发现配置运作和重构，是服务型制造系统运作管理的根本特点。
知识成为服务型制造系统运作的基础。在服务型制造系统的运作中，主要包括技术知识、生产过程知识和顾客知识，知识的获取和运用能力将成为企业的核心竞争力。数据作为产生知识的主要途径，将成为企业的核心资产知识交易将成为企业之间协同和增值服务的主要方式。
仅仅实现数据，从设备到办公室的纵向集成是不够的，仅仅是数据的传输集成和可视化，那么数据被利用和挖掘的价值很小，还有很大一部分价值需要通过对数据的深度挖掘和分析来获得。
工业大数据很难有普适性的方法和模型。数据分析工具+领域知识这样的模式决定了工业大数据的分析模型一定是应用定制化的，因此很难有一个通用的平台能够解决所有问题。这是Predix的挑战和困难。
企业只有构筑基于产品设计知识制造过程知识或者顾客需求知识的隐性知识壁垒，开发动态制造及服务能力，在不同流程内部隐性知识封装的基础上，相互之间基于开放的知识接口，实现不同流程的协作。
IMS中心对于PHM/PPM的研究有着5S( Streamlining，Smart Processing, Synchronizing, Standardizing and Sustaining) 的系统化方法论，并且支持该方法论的核心技术，即以PHM为导向的分析算法集合——Watchdog Agent工具包已经在美国国家仪器(NI)的LabVlEW软件平台上正式发布。
总之， 李杰教授对工业技术和数据的认知是属于知识自动化的路线，其领导的IMS代表了当今工业大数据的领先水平。
《从大数据到智能制造》读后感(五)
比较少看这类书，但写东西的人总是要多涉猎的。刚好看到澎湃新闻的人物专访提到这本书，也被“无忧虑制造”的概念所吸引，很好奇，就买来看了。个人觉得，这类书，读者群体不应该仅仅是科普爱好者，而应该是普罗大众，尤其对于我们年轻人，谁都该看看，长长见识。看不透彻没关系，能知道些梗概也算开眼界了。我本以为这会是一本传统的专业性很强的书，可细读下来，还真有点惊讶，它并不是那种晦涩难懂又乏味枯燥的“学术专著”，而是一本普罗大众都能读懂的高端专业科普图书。
拿到书，先不谈内容，首先感觉封面和纸质就非常好。我自己出书的，对这个比较讲究。现在市面上不少出版社采用很差劲的纸质，降低了成本，却坑了读者，这种事见得太多。这本书的纸质很好，可谓良心出品，里面插图、表格都是整体扫描下来，非常工整。不同字体的排版也很舒适，阅读体验很棒。就图书制作上来说，绝对是好评。
这本我看得很慢，因为是科技类图书，多少带点专业性，而我是外行人，需要慢慢琢磨，慢慢体会。书名《从大数据到智能制造》看似简单，但却直截了当地体现其专业内涵——通过大数据直达智能制造。市面上已出版的有关大数据的图书很多，涉及的方向也很广，但大都乏善可陈。这本不同，还真能给人带来点小惊喜，没有高端学术术语的硬植入感，而是结合很多实际的案例来陈述观点，读者可以很顺畅地将阅读进行下去。
再来说说内容，从书名就可得知其两大重点——大数据和智能制造。什么是“大数据”？最简单最接地气的解释就是：样本大量、多样性、真实性、有价值的数据。而“智能制造”又是什么？不知道这个，“人工智能”总知道吧，就是智能的制造业，有自学能力，能不断充实更新知识库、数据库，分析判断问题并解决。
书里对“智能制造”有这样的定义：一个制造系统能否被称为是智能，主要看系统是否具有两个特性：①能否学习人的经验，从而替代人来分析问题和形成决策；②能否从新的问题中积累经验，从而避免问题的再次发生。最让我惊叹地是：书中提出的新定义——避免不可见问题。
没发生的问题怎么去避免它？——这便可通过分析现有的大数据，挖掘出隐性问题的线索，再通过对隐性问题的预测分析，在其发展成为显性问题之前解决。举个简单例子：人们可以通过分析大量的地震数据，挖掘出地震发生的可能性，再通过对这些可能性进行预测分析，降低地震可能带来的人员和物质风险，而不是等着地震后再去救灾。
此外，书中还提到，智能制造系统区别于传统制造系统的最重要的要素在于智能制造提出了建模的概念（感觉很类似我在大学里学到的面向对象分析与设计）。从前人们往往都是：发生问题、根据经验分析问题、调整以往解决方法、解决问题、积累经验。而在智能制造时代，人们将变为：发生问题、建模分析、调整模型、解决问题、模型积累经验。这样有什么好处呢？——这使模型独立化了，效率更高了。
从前人们的解决问题方案总是局限于人与问题之间：人在解决问题中获取知识，再利用知识避免和解决问题。而知识的承载和传承均依赖于人工，当出现人员流动时，问题的解决很容易陷入尴尬的地步。或者，人们通过不断升级设备和生产系统，将知识固化在设备上。发生问题时，通过提升设备来解决问题，但设备一旦损坏，问题的解决同样会陷入尴尬境地，而且设备的升级成本也是很大的。
这些方式——把解决问题的方式绑定在人、设备上——都没有将数据很好地收集并利用。相比之下，通过算法分析大数据，以建模的形式独立解决问题的方式，则可以减少制造过程遭遇损失，降低维护的成本。
我们都知道，大数据现在非常值钱，别的不说，各网站的用户数据都是被当宝贝供着的。这些大数据都是其提供服务的基础，比如位置数据是打车软件为用户提供服务的基础，用户使用记录的数据是同类产品公司为用户推销产品的基础等。分析这样的数据对智能制造确有很实际的商业用途，能够避免大量时间的耗费和失败的资源浪费。
以上是阅读此书后的一点小感悟。推荐这本《从大数据到智能制造》，任何人都可以看看，不会让人失望。此书是上海交通大学出版社先进制造技术出版中心5月刚刚上市的新书，作者是工业大数据领域的领军人物李杰教授，倪军教授和航空发动机专家王安正教授，支持校友出品。
