百科问答小站 logo
百科问答小站 font logo



5-10年后,你觉得哪些科技会让我们“遗忘”现在的生活? 第1页

     

user avatar   xi-men-zi-zhong-guo 网友的相关建议: 
      

这个世界是由我们了解的数据和不了解的数据构成的

简单或无穷大的数字,无形的自然语言,人的知识和行业洞察,或来自冰冷的机器……这个世界的数据远比我们想象的复杂。它们汇聚在一起,被我们逐渐理解和掌控,发挥不可想象的价值,从而让我们看到可以掌控的未来。

我来了,我是不一样的AI。 https://www.zhihu.com/video/1117391491823337472

我来了,
我是不一样的AI。
我生而为你,
发掘这个世界和各行各业超乎想象的潜力。

尽管都是数据驱动,人工智能在工业领域的应用与消费领域可是千差万别,难度也更大。这不仅需要有历史实践不断优化且可共享的算法,更需要行业洞察,从而深刻理解这些复杂数据背后的“玄机”。人工智能可以帮助工业企业在其全生命周期内实现智能预测、诊断以及优化。

对于西门子,AI是一项很特别的技术,因为它不仅具使用价值,同时它能够驱动和赋能其他的很多技术,比如说自动化未来,或者是基于数字化双胞胎的模拟仿真的技术,或是云应用。“我个人的预测是十年以后几乎所有西门子构建的创新方案都将在一定程度上与人工智能技术有关。”西门子股份公司核心技术数据分析及人工智能负责人Dr. Michael May表示。

早在30年前,西门子便涉足工业人工智能领域,为许多工业领域的客户提供了切实可行的人工智能解决方案。而AI也只是西门子14个公司核心技术领域之一。以人工智能为代表的一系列新技术,会像百年前交流电技术的出现一样,深刻影响各行各业和普罗大众的“未来”

这个未来并非遥不可及:

抓取、分析并学习核心数据,人工智能帮助人类更好地掌控数据的价值。

利用大数据分析实现预测性维护,西门子帮助从马德里到巴塞罗那的26列Velaro E高铁列车的准点率提高到了99.9%;通过基于人工智能的热能优化,可降低数据中心能耗40%;通过人工智能辅助运行,燃气轮机氮氧化物可减排达15-20%;西门子安贝格数字化工厂通过边缘计算和人工智能,每年节省高达 20 万欧元。

在中国,西门子与华润电力将共同建设基于MindSphere的集中监视与分析专家系统。应用数字化电厂和人工智能技术,融合华润电力多年的经验,这套系统通过持续学习历史数据和实时数据,产生具有价值的洞察。

实现数据的连接和交互,物联网让人类更好的响应外部变化趋势。

@九牧厨卫旗下6家工厂在西门子的帮助下,部署了面向未来的定制化物联网解决方案。在新的模式下,从消费者在门店中生成定制化订单,到研发、生产和交付各环节被全部打通。

今年4月,西门子物联网服务事业部成立,在全球10个国家设有21个办事处、超过7500名员工。在中国,西门子为客户提供端到端的数字化解决方案,从咨询、设计到落地实施,实现企业的数字化、流程化、透明化管理。

基于云的数据存储和计算、分析,拓展了人类的认知和处理能力。

凭借开放式物联网平台MindSphere,西门子协助大众汽车集团发展其新建的工业云,将为大众汽车122家工厂提供高效的生产系统和多种机械设备的联网。数据透明和数据分析将为大众汽车进一步提高生产效率奠定技术基础。

西门子围绕MindSphere 的生态系统稳步发展,现已部署在亚马逊云、微软云平台 Azure 和阿里云。MindSphere 应用中心已涵盖 20 个行业,70 个国家和地区。中国客户已经可以基于MindSphere开发自己的应用和产品,为市场提供富有价值且安全的数字化服务。

基于数据透明和互通的数字化制造正在从本质上改善着我们的生产和生活。

中国航天科工集团有限公司下属的贵州航天电器股份有限公司负责生产航天器的“中枢神经”——10万种不同的连接件产品,而每个月6000个批次订单中,70%的批量都在9件以下。航天电器携手西门子、@航天云网共同打造的具有云制造能力的智能制造样板间,支持超过10万种连接器产品的柔性生产,生产效率提升 50%,产品不良率减少 56%。

数字化双胞胎通过数据的双向流通和虚实映射,将人类的更多梦想照进现实。

西门子工业自动化产品成都生产及研发基地(SEWC)是西门子在德国以外建立的首家数字化工厂,被评为“全球九家最先进的工厂”之一。凭借以“数字化双胞胎”为核心的柔性生产技术平台,SEWC能够确保快速分配资源、高效排产并遵循高质量标准,产品质量合格率达到99.999%

数字化时代,没有人能独自前行。

人工智能、物联网、云应用、5G、数字化双胞胎、边缘计算、新技术层出不穷,如何解决速度与规模的矛盾,让技术创新为更多行业和受众产生价值? 5-10年后,它们是否能够颠覆社会生产基础,从而让人们“遗忘”现在的生活?

5月15日于成都举办的2019西门子中国创新峰会试图回答这个问题。围绕“引领创新,共创价值”这一主题,西门子与政府、学术界、教育机构负责人以及制造业、能源和基础设施等超过15个行业的企业决策者在内的众多嘉宾与合作伙伴,共同探索如何以创新推动中国的数字化转型升级。

全球范围内,西门子与300 多个合作伙伴构成的生态系统正在激发技术创新的潜能,为各行业客户提升价值;在中国,西门子正致力于建立创新的生态体系:

  • 西门子在德国以外的首个AI Lab将落户北京,将发挥西门子全球800多名人工智能专家的丰富行业知识和经验,与各行业客户共同开发人工智能应用解决方案。
  • 在峰会上西门子宣布与清华大学拓展合作,共同在能源互联网技术及应用领域展开合作,涵盖科研、创新示范、人才发展、知识交流、区域生态圈建设等多个领域。
  • 西门子与成都市政府共同建立的西门子工业软件全球研发中心和西门子智能制造成都创新中心近日正式揭幕,为本地制造业企业提供最为先进、完整的数字化解决方案。

“通过进一步在中国构建开放、包容和互信的创新生态体系,我们持续与合作伙伴共创价值并取得了显著成果。依托政策支持和西门子完整的数字化产品和解决方案、行业知识和人才资源,我们将为中国及全球市场培育具有商业可行性和工业应用前景的创新。”西门子大中华区总裁兼首席执行官赫尔曼(Lothar Herrmann)表示。

当技术被生态激活潜能,会有哪些一开始并不为人关注的技术创新,不经意间就将习以为常的生活变为过往?

五年后,超市的货架上很难见到“缺货”的商品 @霍亮;十年后,当社会化、分布式“协同制造”进入大规模应用期,我们还能记得传统超市的货架吗? @刘玉婷

十年后,高端智能制造和消费者体验将成为众多中国企业的名片。 @九牧厨卫

十年后,Power to X不再是一个听起来很神秘的名词,它切实地改变着许许多多的产业链行业和我们每个人赖以生存的环境。 @右手辰

十年后,工业APP“玩家” 将成为一份很酷的职业,让我们忘记程序员与工程师的区别。 @kaka

十年后,用于中国航天器“神经元”的数字化柔性生产和“云智造”将进入制造业各个领域,为大众提供众多个性化商品。 @航天云网

十年后,很多职业不复存在。但有一种新的职业,叫做数字孪生工程师(Digital Twin Engineer)。人与系统都可以从事他们最擅长的工作。 @penergy

十年后的人们,恐怕已经忘记老套的消费者投诉、反馈和产品质量追溯机制。 @刘玉婷

十年后,只要你能描述出你想要的东西,我们就能高质量、短时间、低成本地生产出来。 @江云平

在此感谢所有与我们一起为知友探索创新价值的回答者。创新的路上,没有人能独自成功。让我们继续并肩前行,让未来更触手可及。

也谨以此致敬我们的公司创始人维尔纳·冯·西门子先生,为西门子百年来的创新指明的方向——“空有灵感毫无价值”。


user avatar   haimo-lang 网友的相关建议: 
      

先上结论,从职业发展的角度,工业4.0时代对个人能力的要求必然是T型人才,即“专家型通才”,同时具备跨领域的辽阔知识面和对特定领域的深入了解。从两个角度理解:

  • 专业化仍然是工业1.0之后社会资源分配的基本规律。无论是个人还是组织都会受到精力和资源制约,对知识的积累贵精不贵多,全面发展必然导致全面平庸。
  • 然而个人在职场的长远发展又不得不依赖于广博的知识面,一方面可以在日常工作生活中从不一样的视角解决问题;另一方面在这个快速发展的时代需要随时为特长技能过时而做准备。

题主现状专注的是“自动化”,但是想要在工业4.0的浪潮中找到个人发展策略,还需从工业4.0的时代诉求出发,我们可以从以下两个维度理解T型人才:

从广度来看,建议从企业运营的角度入手,尽快培养宏观视角。这需要跳出四年“自动化”工程师教育带给自己的局限性,将自动化作为实现工业4.0应用概念(如物联网、数据服务、人机协同等等)的技术手段。同时也要试着站在高级管理者的角度,理解应用概念必须要为企业的行业战略服务(如数字化营销、车联网等等)。

从深度来看,对先进行业机理的深度理解是职业稳定发展的最好保障。在职场前期选择并专注于一两个自己擅长和兴趣的领域(例如:软件工程、项目管理、自动化工程、产线设计、产品研发等等)和有潜力的行业(例如:电动车、集成电路、无人机等等),通过实践快速成长。先从自己不熟悉甚至未知的领域入手,浅尝辄止但广泛涉猎,尽量扩充自身的知识边界,即“已知的未知”区域,缩小在本行业的“未知的未知”区域。这样,就可以在职业生涯的中后期比较从容地在管理、专家、或创业等职业路线之间切换。

为了进行面向工业4.0的“专家型通才”的自我培养,建议具体的学习目标应当取材于标准框架:让我们逐步走进工业4.0的知识殿堂:

我们在工业4.0浪潮下,知识体系在各国都有相应的解读。比如工信部2018版《国家智能制造标准体系建设指南》列举了几十个技能点;德国《工业4.0参考架构模型》极大的扩充了CPS概念;美国国家标准与技术研究院(NIST)从价值链的角度用几十个IEC/ISO/IEEE/ASME标准构建了他们对智能制造(Smart manufacturing)知识体系的理解。如果抛开形态的差异,其实本质的底层结构都是相同的,即从基本理论、行业概念、业务能力、技术体系等几个层次界定工业4.0或智能制造的框架。

工信部. (2018). 国家智能制造标准体系建设指南 (2018年版)
Adolphs, P., Bedenbender, H., Dirzus, D., Ehlich, M., Epple, U., Hankel, M., ... & Koziolek, H. (2015). Reference architecture model industrie 4.0 (rami4. 0). ZVEI and VDI, Status report.
Lu, Y., Morris, K. C., & Frechette, S. (2016). Current standards landscape for smart manufacturing systems. National Institute of Standards and Technology, NISTIR, 8107, 39.

这些框架的底层逻辑,实际是智能化这一传统命题在工业的深度应用。也即利用数字化的先进技术和手段,支持乃至实现企业多维度决策。何为“决策”?站在人类认知的角度,决策分为四个在不断循环迭代的基本步骤:对客观事实的描述、洞察事实背后的原因和逻辑、预测未来走向及模拟干预策略、执行干预方式。企业的各级决策,战略设计、供应商选择、车间调度、机床操作,所有人类决策本质遵循的都是相同套路。

而智能制造的使命, 即以信息物理系统(CPS)的形式,最大程度的支持乃至自主履行这些决策。「数字化双胞胎」是这一思路的关键。我们利用数字化双胞胎在虚拟世界中精确“复制”物理世界;利用知识图谱、根因分析、人工智能等技术理解数据、现象和理论之间的关系;再用双胞胎在虚拟世界中模拟择优快速迭代;最后让双胞胎监控在物理世界的执行。

从学习手段来看,公众号、微博、公开课等网络资源一直是最显眼的信息来源,但这些碎片化的信息其实很难保证知识体系的完整和准确。如果从零开始,建议以国内外公开的标准化体系为起点。其实,上述中、德、美等国关于工业4.0的官方框架都以ISO、GB、VDI、IEC、IEEE为基础指导材料,其实也暗示了标准体系是国内外专家所推荐的权威资料。

最后提一句,相信时间的力量!不负时光,时光也不会辜负你的付出。

本文由西门子工程师撰文回答,希望对题主和关注这个话题的知友们提供帮助

西门子数字化顾问

李于江


本账号为西门子中国的官方知乎账号。西门子是全球领先的技术企业,创立于1847年,业务遍及全球200多个国家,专注于电气化、自动化和数字化领域。我们希望与你一同分享这些领域的知识与新科技,欢迎你的提问。此外,我们并不卖家电:)

西门子中国的每一位专家都是我们的智囊,你在这个账号可以阅读到来自西门子各个不同方向专家们的见解。请大家不要吝惜手里的“邀请”,让我们在分享中共同进步。

也欢迎大家关注我们的微博(ID:西门子)和微信 (ID:西门子中国) ,更多的了解我们。

看到这里就给点个赞吧!


user avatar   fangying 网友的相关建议: 
      

先上结论,从职业发展的角度,工业4.0时代对个人能力的要求必然是T型人才,即“专家型通才”,同时具备跨领域的辽阔知识面和对特定领域的深入了解。从两个角度理解:

  • 专业化仍然是工业1.0之后社会资源分配的基本规律。无论是个人还是组织都会受到精力和资源制约,对知识的积累贵精不贵多,全面发展必然导致全面平庸。
  • 然而个人在职场的长远发展又不得不依赖于广博的知识面,一方面可以在日常工作生活中从不一样的视角解决问题;另一方面在这个快速发展的时代需要随时为特长技能过时而做准备。

题主现状专注的是“自动化”,但是想要在工业4.0的浪潮中找到个人发展策略,还需从工业4.0的时代诉求出发,我们可以从以下两个维度理解T型人才:

从广度来看,建议从企业运营的角度入手,尽快培养宏观视角。这需要跳出四年“自动化”工程师教育带给自己的局限性,将自动化作为实现工业4.0应用概念(如物联网、数据服务、人机协同等等)的技术手段。同时也要试着站在高级管理者的角度,理解应用概念必须要为企业的行业战略服务(如数字化营销、车联网等等)。

从深度来看,对先进行业机理的深度理解是职业稳定发展的最好保障。在职场前期选择并专注于一两个自己擅长和兴趣的领域(例如:软件工程、项目管理、自动化工程、产线设计、产品研发等等)和有潜力的行业(例如:电动车、集成电路、无人机等等),通过实践快速成长。先从自己不熟悉甚至未知的领域入手,浅尝辄止但广泛涉猎,尽量扩充自身的知识边界,即“已知的未知”区域,缩小在本行业的“未知的未知”区域。这样,就可以在职业生涯的中后期比较从容地在管理、专家、或创业等职业路线之间切换。

为了进行面向工业4.0的“专家型通才”的自我培养,建议具体的学习目标应当取材于标准框架:让我们逐步走进工业4.0的知识殿堂:

我们在工业4.0浪潮下,知识体系在各国都有相应的解读。比如工信部2018版《国家智能制造标准体系建设指南》列举了几十个技能点;德国《工业4.0参考架构模型》极大的扩充了CPS概念;美国国家标准与技术研究院(NIST)从价值链的角度用几十个IEC/ISO/IEEE/ASME标准构建了他们对智能制造(Smart manufacturing)知识体系的理解。如果抛开形态的差异,其实本质的底层结构都是相同的,即从基本理论、行业概念、业务能力、技术体系等几个层次界定工业4.0或智能制造的框架。

工信部. (2018). 国家智能制造标准体系建设指南 (2018年版)
Adolphs, P., Bedenbender, H., Dirzus, D., Ehlich, M., Epple, U., Hankel, M., ... & Koziolek, H. (2015). Reference architecture model industrie 4.0 (rami4. 0). ZVEI and VDI, Status report.
Lu, Y., Morris, K. C., & Frechette, S. (2016). Current standards landscape for smart manufacturing systems. National Institute of Standards and Technology, NISTIR, 8107, 39.

这些框架的底层逻辑,实际是智能化这一传统命题在工业的深度应用。也即利用数字化的先进技术和手段,支持乃至实现企业多维度决策。何为“决策”?站在人类认知的角度,决策分为四个在不断循环迭代的基本步骤:对客观事实的描述、洞察事实背后的原因和逻辑、预测未来走向及模拟干预策略、执行干预方式。企业的各级决策,战略设计、供应商选择、车间调度、机床操作,所有人类决策本质遵循的都是相同套路。

而智能制造的使命, 即以信息物理系统(CPS)的形式,最大程度的支持乃至自主履行这些决策。「数字化双胞胎」是这一思路的关键。我们利用数字化双胞胎在虚拟世界中精确“复制”物理世界;利用知识图谱、根因分析、人工智能等技术理解数据、现象和理论之间的关系;再用双胞胎在虚拟世界中模拟择优快速迭代;最后让双胞胎监控在物理世界的执行。

从学习手段来看,公众号、微博、公开课等网络资源一直是最显眼的信息来源,但这些碎片化的信息其实很难保证知识体系的完整和准确。如果从零开始,建议以国内外公开的标准化体系为起点。其实,上述中、德、美等国关于工业4.0的官方框架都以ISO、GB、VDI、IEC、IEEE为基础指导材料,其实也暗示了标准体系是国内外专家所推荐的权威资料。

最后提一句,相信时间的力量!不负时光,时光也不会辜负你的付出。

本文由西门子工程师撰文回答,希望对题主和关注这个话题的知友们提供帮助

西门子数字化顾问

李于江


本账号为西门子中国的官方知乎账号。西门子是全球领先的技术企业,创立于1847年,业务遍及全球200多个国家,专注于电气化、自动化和数字化领域。我们希望与你一同分享这些领域的知识与新科技,欢迎你的提问。此外,我们并不卖家电:)

西门子中国的每一位专家都是我们的智囊,你在这个账号可以阅读到来自西门子各个不同方向专家们的见解。请大家不要吝惜手里的“邀请”,让我们在分享中共同进步。

也欢迎大家关注我们的微博(ID:西门子)和微信 (ID:西门子中国) ,更多的了解我们。

看到这里就给点个赞吧!


user avatar   e-penguin 网友的相关建议: 
      

先上结论,从职业发展的角度,工业4.0时代对个人能力的要求必然是T型人才,即“专家型通才”,同时具备跨领域的辽阔知识面和对特定领域的深入了解。从两个角度理解:

  • 专业化仍然是工业1.0之后社会资源分配的基本规律。无论是个人还是组织都会受到精力和资源制约,对知识的积累贵精不贵多,全面发展必然导致全面平庸。
  • 然而个人在职场的长远发展又不得不依赖于广博的知识面,一方面可以在日常工作生活中从不一样的视角解决问题;另一方面在这个快速发展的时代需要随时为特长技能过时而做准备。

题主现状专注的是“自动化”,但是想要在工业4.0的浪潮中找到个人发展策略,还需从工业4.0的时代诉求出发,我们可以从以下两个维度理解T型人才:

从广度来看,建议从企业运营的角度入手,尽快培养宏观视角。这需要跳出四年“自动化”工程师教育带给自己的局限性,将自动化作为实现工业4.0应用概念(如物联网、数据服务、人机协同等等)的技术手段。同时也要试着站在高级管理者的角度,理解应用概念必须要为企业的行业战略服务(如数字化营销、车联网等等)。

从深度来看,对先进行业机理的深度理解是职业稳定发展的最好保障。在职场前期选择并专注于一两个自己擅长和兴趣的领域(例如:软件工程、项目管理、自动化工程、产线设计、产品研发等等)和有潜力的行业(例如:电动车、集成电路、无人机等等),通过实践快速成长。先从自己不熟悉甚至未知的领域入手,浅尝辄止但广泛涉猎,尽量扩充自身的知识边界,即“已知的未知”区域,缩小在本行业的“未知的未知”区域。这样,就可以在职业生涯的中后期比较从容地在管理、专家、或创业等职业路线之间切换。

为了进行面向工业4.0的“专家型通才”的自我培养,建议具体的学习目标应当取材于标准框架:让我们逐步走进工业4.0的知识殿堂:

我们在工业4.0浪潮下,知识体系在各国都有相应的解读。比如工信部2018版《国家智能制造标准体系建设指南》列举了几十个技能点;德国《工业4.0参考架构模型》极大的扩充了CPS概念;美国国家标准与技术研究院(NIST)从价值链的角度用几十个IEC/ISO/IEEE/ASME标准构建了他们对智能制造(Smart manufacturing)知识体系的理解。如果抛开形态的差异,其实本质的底层结构都是相同的,即从基本理论、行业概念、业务能力、技术体系等几个层次界定工业4.0或智能制造的框架。

工信部. (2018). 国家智能制造标准体系建设指南 (2018年版)
Adolphs, P., Bedenbender, H., Dirzus, D., Ehlich, M., Epple, U., Hankel, M., ... & Koziolek, H. (2015). Reference architecture model industrie 4.0 (rami4. 0). ZVEI and VDI, Status report.
Lu, Y., Morris, K. C., & Frechette, S. (2016). Current standards landscape for smart manufacturing systems. National Institute of Standards and Technology, NISTIR, 8107, 39.

这些框架的底层逻辑,实际是智能化这一传统命题在工业的深度应用。也即利用数字化的先进技术和手段,支持乃至实现企业多维度决策。何为“决策”?站在人类认知的角度,决策分为四个在不断循环迭代的基本步骤:对客观事实的描述、洞察事实背后的原因和逻辑、预测未来走向及模拟干预策略、执行干预方式。企业的各级决策,战略设计、供应商选择、车间调度、机床操作,所有人类决策本质遵循的都是相同套路。

而智能制造的使命, 即以信息物理系统(CPS)的形式,最大程度的支持乃至自主履行这些决策。「数字化双胞胎」是这一思路的关键。我们利用数字化双胞胎在虚拟世界中精确“复制”物理世界;利用知识图谱、根因分析、人工智能等技术理解数据、现象和理论之间的关系;再用双胞胎在虚拟世界中模拟择优快速迭代;最后让双胞胎监控在物理世界的执行。

从学习手段来看,公众号、微博、公开课等网络资源一直是最显眼的信息来源,但这些碎片化的信息其实很难保证知识体系的完整和准确。如果从零开始,建议以国内外公开的标准化体系为起点。其实,上述中、德、美等国关于工业4.0的官方框架都以ISO、GB、VDI、IEC、IEEE为基础指导材料,其实也暗示了标准体系是国内外专家所推荐的权威资料。

最后提一句,相信时间的力量!不负时光,时光也不会辜负你的付出。

本文由西门子工程师撰文回答,希望对题主和关注这个话题的知友们提供帮助

西门子数字化顾问

李于江


本账号为西门子中国的官方知乎账号。西门子是全球领先的技术企业,创立于1847年,业务遍及全球200多个国家,专注于电气化、自动化和数字化领域。我们希望与你一同分享这些领域的知识与新科技,欢迎你的提问。此外,我们并不卖家电:)

西门子中国的每一位专家都是我们的智囊,你在这个账号可以阅读到来自西门子各个不同方向专家们的见解。请大家不要吝惜手里的“邀请”,让我们在分享中共同进步。

也欢迎大家关注我们的微博(ID:西门子)和微信 (ID:西门子中国) ,更多的了解我们。

看到这里就给点个赞吧!


user avatar   hang-tian-yun-wang 网友的相关建议: 
      

先上结论,从职业发展的角度,工业4.0时代对个人能力的要求必然是T型人才,即“专家型通才”,同时具备跨领域的辽阔知识面和对特定领域的深入了解。从两个角度理解:

  • 专业化仍然是工业1.0之后社会资源分配的基本规律。无论是个人还是组织都会受到精力和资源制约,对知识的积累贵精不贵多,全面发展必然导致全面平庸。
  • 然而个人在职场的长远发展又不得不依赖于广博的知识面,一方面可以在日常工作生活中从不一样的视角解决问题;另一方面在这个快速发展的时代需要随时为特长技能过时而做准备。

题主现状专注的是“自动化”,但是想要在工业4.0的浪潮中找到个人发展策略,还需从工业4.0的时代诉求出发,我们可以从以下两个维度理解T型人才:

从广度来看,建议从企业运营的角度入手,尽快培养宏观视角。这需要跳出四年“自动化”工程师教育带给自己的局限性,将自动化作为实现工业4.0应用概念(如物联网、数据服务、人机协同等等)的技术手段。同时也要试着站在高级管理者的角度,理解应用概念必须要为企业的行业战略服务(如数字化营销、车联网等等)。

从深度来看,对先进行业机理的深度理解是职业稳定发展的最好保障。在职场前期选择并专注于一两个自己擅长和兴趣的领域(例如:软件工程、项目管理、自动化工程、产线设计、产品研发等等)和有潜力的行业(例如:电动车、集成电路、无人机等等),通过实践快速成长。先从自己不熟悉甚至未知的领域入手,浅尝辄止但广泛涉猎,尽量扩充自身的知识边界,即“已知的未知”区域,缩小在本行业的“未知的未知”区域。这样,就可以在职业生涯的中后期比较从容地在管理、专家、或创业等职业路线之间切换。

为了进行面向工业4.0的“专家型通才”的自我培养,建议具体的学习目标应当取材于标准框架:让我们逐步走进工业4.0的知识殿堂:

我们在工业4.0浪潮下,知识体系在各国都有相应的解读。比如工信部2018版《国家智能制造标准体系建设指南》列举了几十个技能点;德国《工业4.0参考架构模型》极大的扩充了CPS概念;美国国家标准与技术研究院(NIST)从价值链的角度用几十个IEC/ISO/IEEE/ASME标准构建了他们对智能制造(Smart manufacturing)知识体系的理解。如果抛开形态的差异,其实本质的底层结构都是相同的,即从基本理论、行业概念、业务能力、技术体系等几个层次界定工业4.0或智能制造的框架。

工信部. (2018). 国家智能制造标准体系建设指南 (2018年版)
Adolphs, P., Bedenbender, H., Dirzus, D., Ehlich, M., Epple, U., Hankel, M., ... & Koziolek, H. (2015). Reference architecture model industrie 4.0 (rami4. 0). ZVEI and VDI, Status report.
Lu, Y., Morris, K. C., & Frechette, S. (2016). Current standards landscape for smart manufacturing systems. National Institute of Standards and Technology, NISTIR, 8107, 39.

这些框架的底层逻辑,实际是智能化这一传统命题在工业的深度应用。也即利用数字化的先进技术和手段,支持乃至实现企业多维度决策。何为“决策”?站在人类认知的角度,决策分为四个在不断循环迭代的基本步骤:对客观事实的描述、洞察事实背后的原因和逻辑、预测未来走向及模拟干预策略、执行干预方式。企业的各级决策,战略设计、供应商选择、车间调度、机床操作,所有人类决策本质遵循的都是相同套路。

而智能制造的使命, 即以信息物理系统(CPS)的形式,最大程度的支持乃至自主履行这些决策。「数字化双胞胎」是这一思路的关键。我们利用数字化双胞胎在虚拟世界中精确“复制”物理世界;利用知识图谱、根因分析、人工智能等技术理解数据、现象和理论之间的关系;再用双胞胎在虚拟世界中模拟择优快速迭代;最后让双胞胎监控在物理世界的执行。

从学习手段来看,公众号、微博、公开课等网络资源一直是最显眼的信息来源,但这些碎片化的信息其实很难保证知识体系的完整和准确。如果从零开始,建议以国内外公开的标准化体系为起点。其实,上述中、德、美等国关于工业4.0的官方框架都以ISO、GB、VDI、IEC、IEEE为基础指导材料,其实也暗示了标准体系是国内外专家所推荐的权威资料。

最后提一句,相信时间的力量!不负时光,时光也不会辜负你的付出。

本文由西门子工程师撰文回答,希望对题主和关注这个话题的知友们提供帮助

西门子数字化顾问

李于江


本账号为西门子中国的官方知乎账号。西门子是全球领先的技术企业,创立于1847年,业务遍及全球200多个国家,专注于电气化、自动化和数字化领域。我们希望与你一同分享这些领域的知识与新科技,欢迎你的提问。此外,我们并不卖家电:)

西门子中国的每一位专家都是我们的智囊,你在这个账号可以阅读到来自西门子各个不同方向专家们的见解。请大家不要吝惜手里的“邀请”,让我们在分享中共同进步。

也欢迎大家关注我们的微博(ID:西门子)和微信 (ID:西门子中国) ,更多的了解我们。

看到这里就给点个赞吧!


user avatar   lin-dan-da-68-27 网友的相关建议: 
      

先上结论,从职业发展的角度,工业4.0时代对个人能力的要求必然是T型人才,即“专家型通才”,同时具备跨领域的辽阔知识面和对特定领域的深入了解。从两个角度理解:

  • 专业化仍然是工业1.0之后社会资源分配的基本规律。无论是个人还是组织都会受到精力和资源制约,对知识的积累贵精不贵多,全面发展必然导致全面平庸。
  • 然而个人在职场的长远发展又不得不依赖于广博的知识面,一方面可以在日常工作生活中从不一样的视角解决问题;另一方面在这个快速发展的时代需要随时为特长技能过时而做准备。

题主现状专注的是“自动化”,但是想要在工业4.0的浪潮中找到个人发展策略,还需从工业4.0的时代诉求出发,我们可以从以下两个维度理解T型人才:

从广度来看,建议从企业运营的角度入手,尽快培养宏观视角。这需要跳出四年“自动化”工程师教育带给自己的局限性,将自动化作为实现工业4.0应用概念(如物联网、数据服务、人机协同等等)的技术手段。同时也要试着站在高级管理者的角度,理解应用概念必须要为企业的行业战略服务(如数字化营销、车联网等等)。

从深度来看,对先进行业机理的深度理解是职业稳定发展的最好保障。在职场前期选择并专注于一两个自己擅长和兴趣的领域(例如:软件工程、项目管理、自动化工程、产线设计、产品研发等等)和有潜力的行业(例如:电动车、集成电路、无人机等等),通过实践快速成长。先从自己不熟悉甚至未知的领域入手,浅尝辄止但广泛涉猎,尽量扩充自身的知识边界,即“已知的未知”区域,缩小在本行业的“未知的未知”区域。这样,就可以在职业生涯的中后期比较从容地在管理、专家、或创业等职业路线之间切换。

为了进行面向工业4.0的“专家型通才”的自我培养,建议具体的学习目标应当取材于标准框架:让我们逐步走进工业4.0的知识殿堂:

我们在工业4.0浪潮下,知识体系在各国都有相应的解读。比如工信部2018版《国家智能制造标准体系建设指南》列举了几十个技能点;德国《工业4.0参考架构模型》极大的扩充了CPS概念;美国国家标准与技术研究院(NIST)从价值链的角度用几十个IEC/ISO/IEEE/ASME标准构建了他们对智能制造(Smart manufacturing)知识体系的理解。如果抛开形态的差异,其实本质的底层结构都是相同的,即从基本理论、行业概念、业务能力、技术体系等几个层次界定工业4.0或智能制造的框架。

工信部. (2018). 国家智能制造标准体系建设指南 (2018年版)
Adolphs, P., Bedenbender, H., Dirzus, D., Ehlich, M., Epple, U., Hankel, M., ... & Koziolek, H. (2015). Reference architecture model industrie 4.0 (rami4. 0). ZVEI and VDI, Status report.
Lu, Y., Morris, K. C., & Frechette, S. (2016). Current standards landscape for smart manufacturing systems. National Institute of Standards and Technology, NISTIR, 8107, 39.

这些框架的底层逻辑,实际是智能化这一传统命题在工业的深度应用。也即利用数字化的先进技术和手段,支持乃至实现企业多维度决策。何为“决策”?站在人类认知的角度,决策分为四个在不断循环迭代的基本步骤:对客观事实的描述、洞察事实背后的原因和逻辑、预测未来走向及模拟干预策略、执行干预方式。企业的各级决策,战略设计、供应商选择、车间调度、机床操作,所有人类决策本质遵循的都是相同套路。

而智能制造的使命, 即以信息物理系统(CPS)的形式,最大程度的支持乃至自主履行这些决策。「数字化双胞胎」是这一思路的关键。我们利用数字化双胞胎在虚拟世界中精确“复制”物理世界;利用知识图谱、根因分析、人工智能等技术理解数据、现象和理论之间的关系;再用双胞胎在虚拟世界中模拟择优快速迭代;最后让双胞胎监控在物理世界的执行。

从学习手段来看,公众号、微博、公开课等网络资源一直是最显眼的信息来源,但这些碎片化的信息其实很难保证知识体系的完整和准确。如果从零开始,建议以国内外公开的标准化体系为起点。其实,上述中、德、美等国关于工业4.0的官方框架都以ISO、GB、VDI、IEC、IEEE为基础指导材料,其实也暗示了标准体系是国内外专家所推荐的权威资料。

最后提一句,相信时间的力量!不负时光,时光也不会辜负你的付出。

本文由西门子工程师撰文回答,希望对题主和关注这个话题的知友们提供帮助

西门子数字化顾问

李于江


本账号为西门子中国的官方知乎账号。西门子是全球领先的技术企业,创立于1847年,业务遍及全球200多个国家,专注于电气化、自动化和数字化领域。我们希望与你一同分享这些领域的知识与新科技,欢迎你的提问。此外,我们并不卖家电:)

西门子中国的每一位专家都是我们的智囊,你在这个账号可以阅读到来自西门子各个不同方向专家们的见解。请大家不要吝惜手里的“邀请”,让我们在分享中共同进步。

也欢迎大家关注我们的微博(ID:西门子)和微信 (ID:西门子中国) ,更多的了解我们。

看到这里就给点个赞吧!


user avatar   jia-neng-zhong-guo 网友的相关建议: 
      

先上结论,从职业发展的角度,工业4.0时代对个人能力的要求必然是T型人才,即“专家型通才”,同时具备跨领域的辽阔知识面和对特定领域的深入了解。从两个角度理解:

  • 专业化仍然是工业1.0之后社会资源分配的基本规律。无论是个人还是组织都会受到精力和资源制约,对知识的积累贵精不贵多,全面发展必然导致全面平庸。
  • 然而个人在职场的长远发展又不得不依赖于广博的知识面,一方面可以在日常工作生活中从不一样的视角解决问题;另一方面在这个快速发展的时代需要随时为特长技能过时而做准备。

题主现状专注的是“自动化”,但是想要在工业4.0的浪潮中找到个人发展策略,还需从工业4.0的时代诉求出发,我们可以从以下两个维度理解T型人才:

从广度来看,建议从企业运营的角度入手,尽快培养宏观视角。这需要跳出四年“自动化”工程师教育带给自己的局限性,将自动化作为实现工业4.0应用概念(如物联网、数据服务、人机协同等等)的技术手段。同时也要试着站在高级管理者的角度,理解应用概念必须要为企业的行业战略服务(如数字化营销、车联网等等)。

从深度来看,对先进行业机理的深度理解是职业稳定发展的最好保障。在职场前期选择并专注于一两个自己擅长和兴趣的领域(例如:软件工程、项目管理、自动化工程、产线设计、产品研发等等)和有潜力的行业(例如:电动车、集成电路、无人机等等),通过实践快速成长。先从自己不熟悉甚至未知的领域入手,浅尝辄止但广泛涉猎,尽量扩充自身的知识边界,即“已知的未知”区域,缩小在本行业的“未知的未知”区域。这样,就可以在职业生涯的中后期比较从容地在管理、专家、或创业等职业路线之间切换。

为了进行面向工业4.0的“专家型通才”的自我培养,建议具体的学习目标应当取材于标准框架:让我们逐步走进工业4.0的知识殿堂:

我们在工业4.0浪潮下,知识体系在各国都有相应的解读。比如工信部2018版《国家智能制造标准体系建设指南》列举了几十个技能点;德国《工业4.0参考架构模型》极大的扩充了CPS概念;美国国家标准与技术研究院(NIST)从价值链的角度用几十个IEC/ISO/IEEE/ASME标准构建了他们对智能制造(Smart manufacturing)知识体系的理解。如果抛开形态的差异,其实本质的底层结构都是相同的,即从基本理论、行业概念、业务能力、技术体系等几个层次界定工业4.0或智能制造的框架。

工信部. (2018). 国家智能制造标准体系建设指南 (2018年版)
Adolphs, P., Bedenbender, H., Dirzus, D., Ehlich, M., Epple, U., Hankel, M., ... & Koziolek, H. (2015). Reference architecture model industrie 4.0 (rami4. 0). ZVEI and VDI, Status report.
Lu, Y., Morris, K. C., & Frechette, S. (2016). Current standards landscape for smart manufacturing systems. National Institute of Standards and Technology, NISTIR, 8107, 39.

这些框架的底层逻辑,实际是智能化这一传统命题在工业的深度应用。也即利用数字化的先进技术和手段,支持乃至实现企业多维度决策。何为“决策”?站在人类认知的角度,决策分为四个在不断循环迭代的基本步骤:对客观事实的描述、洞察事实背后的原因和逻辑、预测未来走向及模拟干预策略、执行干预方式。企业的各级决策,战略设计、供应商选择、车间调度、机床操作,所有人类决策本质遵循的都是相同套路。

而智能制造的使命, 即以信息物理系统(CPS)的形式,最大程度的支持乃至自主履行这些决策。「数字化双胞胎」是这一思路的关键。我们利用数字化双胞胎在虚拟世界中精确“复制”物理世界;利用知识图谱、根因分析、人工智能等技术理解数据、现象和理论之间的关系;再用双胞胎在虚拟世界中模拟择优快速迭代;最后让双胞胎监控在物理世界的执行。

从学习手段来看,公众号、微博、公开课等网络资源一直是最显眼的信息来源,但这些碎片化的信息其实很难保证知识体系的完整和准确。如果从零开始,建议以国内外公开的标准化体系为起点。其实,上述中、德、美等国关于工业4.0的官方框架都以ISO、GB、VDI、IEC、IEEE为基础指导材料,其实也暗示了标准体系是国内外专家所推荐的权威资料。

最后提一句,相信时间的力量!不负时光,时光也不会辜负你的付出。

本文由西门子工程师撰文回答,希望对题主和关注这个话题的知友们提供帮助

西门子数字化顾问

李于江


本账号为西门子中国的官方知乎账号。西门子是全球领先的技术企业,创立于1847年,业务遍及全球200多个国家,专注于电气化、自动化和数字化领域。我们希望与你一同分享这些领域的知识与新科技,欢迎你的提问。此外,我们并不卖家电:)

西门子中国的每一位专家都是我们的智囊,你在这个账号可以阅读到来自西门子各个不同方向专家们的见解。请大家不要吝惜手里的“邀请”,让我们在分享中共同进步。

也欢迎大家关注我们的微博(ID:西门子)和微信 (ID:西门子中国) ,更多的了解我们。

看到这里就给点个赞吧!


user avatar   a-li-yun-97-77 网友的相关建议: 
      

先上结论,从职业发展的角度,工业4.0时代对个人能力的要求必然是T型人才,即“专家型通才”,同时具备跨领域的辽阔知识面和对特定领域的深入了解。从两个角度理解:

  • 专业化仍然是工业1.0之后社会资源分配的基本规律。无论是个人还是组织都会受到精力和资源制约,对知识的积累贵精不贵多,全面发展必然导致全面平庸。
  • 然而个人在职场的长远发展又不得不依赖于广博的知识面,一方面可以在日常工作生活中从不一样的视角解决问题;另一方面在这个快速发展的时代需要随时为特长技能过时而做准备。

题主现状专注的是“自动化”,但是想要在工业4.0的浪潮中找到个人发展策略,还需从工业4.0的时代诉求出发,我们可以从以下两个维度理解T型人才:

从广度来看,建议从企业运营的角度入手,尽快培养宏观视角。这需要跳出四年“自动化”工程师教育带给自己的局限性,将自动化作为实现工业4.0应用概念(如物联网、数据服务、人机协同等等)的技术手段。同时也要试着站在高级管理者的角度,理解应用概念必须要为企业的行业战略服务(如数字化营销、车联网等等)。

从深度来看,对先进行业机理的深度理解是职业稳定发展的最好保障。在职场前期选择并专注于一两个自己擅长和兴趣的领域(例如:软件工程、项目管理、自动化工程、产线设计、产品研发等等)和有潜力的行业(例如:电动车、集成电路、无人机等等),通过实践快速成长。先从自己不熟悉甚至未知的领域入手,浅尝辄止但广泛涉猎,尽量扩充自身的知识边界,即“已知的未知”区域,缩小在本行业的“未知的未知”区域。这样,就可以在职业生涯的中后期比较从容地在管理、专家、或创业等职业路线之间切换。

为了进行面向工业4.0的“专家型通才”的自我培养,建议具体的学习目标应当取材于标准框架:让我们逐步走进工业4.0的知识殿堂:

我们在工业4.0浪潮下,知识体系在各国都有相应的解读。比如工信部2018版《国家智能制造标准体系建设指南》列举了几十个技能点;德国《工业4.0参考架构模型》极大的扩充了CPS概念;美国国家标准与技术研究院(NIST)从价值链的角度用几十个IEC/ISO/IEEE/ASME标准构建了他们对智能制造(Smart manufacturing)知识体系的理解。如果抛开形态的差异,其实本质的底层结构都是相同的,即从基本理论、行业概念、业务能力、技术体系等几个层次界定工业4.0或智能制造的框架。

工信部. (2018). 国家智能制造标准体系建设指南 (2018年版)
Adolphs, P., Bedenbender, H., Dirzus, D., Ehlich, M., Epple, U., Hankel, M., ... & Koziolek, H. (2015). Reference architecture model industrie 4.0 (rami4. 0). ZVEI and VDI, Status report.
Lu, Y., Morris, K. C., & Frechette, S. (2016). Current standards landscape for smart manufacturing systems. National Institute of Standards and Technology, NISTIR, 8107, 39.

这些框架的底层逻辑,实际是智能化这一传统命题在工业的深度应用。也即利用数字化的先进技术和手段,支持乃至实现企业多维度决策。何为“决策”?站在人类认知的角度,决策分为四个在不断循环迭代的基本步骤:对客观事实的描述、洞察事实背后的原因和逻辑、预测未来走向及模拟干预策略、执行干预方式。企业的各级决策,战略设计、供应商选择、车间调度、机床操作,所有人类决策本质遵循的都是相同套路。

而智能制造的使命, 即以信息物理系统(CPS)的形式,最大程度的支持乃至自主履行这些决策。「数字化双胞胎」是这一思路的关键。我们利用数字化双胞胎在虚拟世界中精确“复制”物理世界;利用知识图谱、根因分析、人工智能等技术理解数据、现象和理论之间的关系;再用双胞胎在虚拟世界中模拟择优快速迭代;最后让双胞胎监控在物理世界的执行。

从学习手段来看,公众号、微博、公开课等网络资源一直是最显眼的信息来源,但这些碎片化的信息其实很难保证知识体系的完整和准确。如果从零开始,建议以国内外公开的标准化体系为起点。其实,上述中、德、美等国关于工业4.0的官方框架都以ISO、GB、VDI、IEC、IEEE为基础指导材料,其实也暗示了标准体系是国内外专家所推荐的权威资料。

最后提一句,相信时间的力量!不负时光,时光也不会辜负你的付出。

本文由西门子工程师撰文回答,希望对题主和关注这个话题的知友们提供帮助

西门子数字化顾问

李于江


本账号为西门子中国的官方知乎账号。西门子是全球领先的技术企业,创立于1847年,业务遍及全球200多个国家,专注于电气化、自动化和数字化领域。我们希望与你一同分享这些领域的知识与新科技,欢迎你的提问。此外,我们并不卖家电:)

西门子中国的每一位专家都是我们的智囊,你在这个账号可以阅读到来自西门子各个不同方向专家们的见解。请大家不要吝惜手里的“邀请”,让我们在分享中共同进步。

也欢迎大家关注我们的微博(ID:西门子)和微信 (ID:西门子中国) ,更多的了解我们。

看到这里就给点个赞吧!


user avatar   66lao-shi-72 网友的相关建议: 
      

先上结论,从职业发展的角度,工业4.0时代对个人能力的要求必然是T型人才,即“专家型通才”,同时具备跨领域的辽阔知识面和对特定领域的深入了解。从两个角度理解:

  • 专业化仍然是工业1.0之后社会资源分配的基本规律。无论是个人还是组织都会受到精力和资源制约,对知识的积累贵精不贵多,全面发展必然导致全面平庸。
  • 然而个人在职场的长远发展又不得不依赖于广博的知识面,一方面可以在日常工作生活中从不一样的视角解决问题;另一方面在这个快速发展的时代需要随时为特长技能过时而做准备。

题主现状专注的是“自动化”,但是想要在工业4.0的浪潮中找到个人发展策略,还需从工业4.0的时代诉求出发,我们可以从以下两个维度理解T型人才:

从广度来看,建议从企业运营的角度入手,尽快培养宏观视角。这需要跳出四年“自动化”工程师教育带给自己的局限性,将自动化作为实现工业4.0应用概念(如物联网、数据服务、人机协同等等)的技术手段。同时也要试着站在高级管理者的角度,理解应用概念必须要为企业的行业战略服务(如数字化营销、车联网等等)。

从深度来看,对先进行业机理的深度理解是职业稳定发展的最好保障。在职场前期选择并专注于一两个自己擅长和兴趣的领域(例如:软件工程、项目管理、自动化工程、产线设计、产品研发等等)和有潜力的行业(例如:电动车、集成电路、无人机等等),通过实践快速成长。先从自己不熟悉甚至未知的领域入手,浅尝辄止但广泛涉猎,尽量扩充自身的知识边界,即“已知的未知”区域,缩小在本行业的“未知的未知”区域。这样,就可以在职业生涯的中后期比较从容地在管理、专家、或创业等职业路线之间切换。

为了进行面向工业4.0的“专家型通才”的自我培养,建议具体的学习目标应当取材于标准框架:让我们逐步走进工业4.0的知识殿堂:

我们在工业4.0浪潮下,知识体系在各国都有相应的解读。比如工信部2018版《国家智能制造标准体系建设指南》列举了几十个技能点;德国《工业4.0参考架构模型》极大的扩充了CPS概念;美国国家标准与技术研究院(NIST)从价值链的角度用几十个IEC/ISO/IEEE/ASME标准构建了他们对智能制造(Smart manufacturing)知识体系的理解。如果抛开形态的差异,其实本质的底层结构都是相同的,即从基本理论、行业概念、业务能力、技术体系等几个层次界定工业4.0或智能制造的框架。

工信部. (2018). 国家智能制造标准体系建设指南 (2018年版)
Adolphs, P., Bedenbender, H., Dirzus, D., Ehlich, M., Epple, U., Hankel, M., ... & Koziolek, H. (2015). Reference architecture model industrie 4.0 (rami4. 0). ZVEI and VDI, Status report.
Lu, Y., Morris, K. C., & Frechette, S. (2016). Current standards landscape for smart manufacturing systems. National Institute of Standards and Technology, NISTIR, 8107, 39.

这些框架的底层逻辑,实际是智能化这一传统命题在工业的深度应用。也即利用数字化的先进技术和手段,支持乃至实现企业多维度决策。何为“决策”?站在人类认知的角度,决策分为四个在不断循环迭代的基本步骤:对客观事实的描述、洞察事实背后的原因和逻辑、预测未来走向及模拟干预策略、执行干预方式。企业的各级决策,战略设计、供应商选择、车间调度、机床操作,所有人类决策本质遵循的都是相同套路。

而智能制造的使命, 即以信息物理系统(CPS)的形式,最大程度的支持乃至自主履行这些决策。「数字化双胞胎」是这一思路的关键。我们利用数字化双胞胎在虚拟世界中精确“复制”物理世界;利用知识图谱、根因分析、人工智能等技术理解数据、现象和理论之间的关系;再用双胞胎在虚拟世界中模拟择优快速迭代;最后让双胞胎监控在物理世界的执行。

从学习手段来看,公众号、微博、公开课等网络资源一直是最显眼的信息来源,但这些碎片化的信息其实很难保证知识体系的完整和准确。如果从零开始,建议以国内外公开的标准化体系为起点。其实,上述中、德、美等国关于工业4.0的官方框架都以ISO、GB、VDI、IEC、IEEE为基础指导材料,其实也暗示了标准体系是国内外专家所推荐的权威资料。

最后提一句,相信时间的力量!不负时光,时光也不会辜负你的付出。

本文由西门子工程师撰文回答,希望对题主和关注这个话题的知友们提供帮助

西门子数字化顾问

李于江


本账号为西门子中国的官方知乎账号。西门子是全球领先的技术企业,创立于1847年,业务遍及全球200多个国家,专注于电气化、自动化和数字化领域。我们希望与你一同分享这些领域的知识与新科技,欢迎你的提问。此外,我们并不卖家电:)

西门子中国的每一位专家都是我们的智囊,你在这个账号可以阅读到来自西门子各个不同方向专家们的见解。请大家不要吝惜手里的“邀请”,让我们在分享中共同进步。

也欢迎大家关注我们的微博(ID:西门子)和微信 (ID:西门子中国) ,更多的了解我们。

看到这里就给点个赞吧!


user avatar   penergy 网友的相关建议: 
      

先上结论,从职业发展的角度,工业4.0时代对个人能力的要求必然是T型人才,即“专家型通才”,同时具备跨领域的辽阔知识面和对特定领域的深入了解。从两个角度理解:

  • 专业化仍然是工业1.0之后社会资源分配的基本规律。无论是个人还是组织都会受到精力和资源制约,对知识的积累贵精不贵多,全面发展必然导致全面平庸。
  • 然而个人在职场的长远发展又不得不依赖于广博的知识面,一方面可以在日常工作生活中从不一样的视角解决问题;另一方面在这个快速发展的时代需要随时为特长技能过时而做准备。

题主现状专注的是“自动化”,但是想要在工业4.0的浪潮中找到个人发展策略,还需从工业4.0的时代诉求出发,我们可以从以下两个维度理解T型人才:

从广度来看,建议从企业运营的角度入手,尽快培养宏观视角。这需要跳出四年“自动化”工程师教育带给自己的局限性,将自动化作为实现工业4.0应用概念(如物联网、数据服务、人机协同等等)的技术手段。同时也要试着站在高级管理者的角度,理解应用概念必须要为企业的行业战略服务(如数字化营销、车联网等等)。

从深度来看,对先进行业机理的深度理解是职业稳定发展的最好保障。在职场前期选择并专注于一两个自己擅长和兴趣的领域(例如:软件工程、项目管理、自动化工程、产线设计、产品研发等等)和有潜力的行业(例如:电动车、集成电路、无人机等等),通过实践快速成长。先从自己不熟悉甚至未知的领域入手,浅尝辄止但广泛涉猎,尽量扩充自身的知识边界,即“已知的未知”区域,缩小在本行业的“未知的未知”区域。这样,就可以在职业生涯的中后期比较从容地在管理、专家、或创业等职业路线之间切换。

为了进行面向工业4.0的“专家型通才”的自我培养,建议具体的学习目标应当取材于标准框架:让我们逐步走进工业4.0的知识殿堂:

我们在工业4.0浪潮下,知识体系在各国都有相应的解读。比如工信部2018版《国家智能制造标准体系建设指南》列举了几十个技能点;德国《工业4.0参考架构模型》极大的扩充了CPS概念;美国国家标准与技术研究院(NIST)从价值链的角度用几十个IEC/ISO/IEEE/ASME标准构建了他们对智能制造(Smart manufacturing)知识体系的理解。如果抛开形态的差异,其实本质的底层结构都是相同的,即从基本理论、行业概念、业务能力、技术体系等几个层次界定工业4.0或智能制造的框架。

工信部. (2018). 国家智能制造标准体系建设指南 (2018年版)
Adolphs, P., Bedenbender, H., Dirzus, D., Ehlich, M., Epple, U., Hankel, M., ... & Koziolek, H. (2015). Reference architecture model industrie 4.0 (rami4. 0). ZVEI and VDI, Status report.
Lu, Y., Morris, K. C., & Frechette, S. (2016). Current standards landscape for smart manufacturing systems. National Institute of Standards and Technology, NISTIR, 8107, 39.

这些框架的底层逻辑,实际是智能化这一传统命题在工业的深度应用。也即利用数字化的先进技术和手段,支持乃至实现企业多维度决策。何为“决策”?站在人类认知的角度,决策分为四个在不断循环迭代的基本步骤:对客观事实的描述、洞察事实背后的原因和逻辑、预测未来走向及模拟干预策略、执行干预方式。企业的各级决策,战略设计、供应商选择、车间调度、机床操作,所有人类决策本质遵循的都是相同套路。

而智能制造的使命, 即以信息物理系统(CPS)的形式,最大程度的支持乃至自主履行这些决策。「数字化双胞胎」是这一思路的关键。我们利用数字化双胞胎在虚拟世界中精确“复制”物理世界;利用知识图谱、根因分析、人工智能等技术理解数据、现象和理论之间的关系;再用双胞胎在虚拟世界中模拟择优快速迭代;最后让双胞胎监控在物理世界的执行。

从学习手段来看,公众号、微博、公开课等网络资源一直是最显眼的信息来源,但这些碎片化的信息其实很难保证知识体系的完整和准确。如果从零开始,建议以国内外公开的标准化体系为起点。其实,上述中、德、美等国关于工业4.0的官方框架都以ISO、GB、VDI、IEC、IEEE为基础指导材料,其实也暗示了标准体系是国内外专家所推荐的权威资料。

最后提一句,相信时间的力量!不负时光,时光也不会辜负你的付出。

本文由西门子工程师撰文回答,希望对题主和关注这个话题的知友们提供帮助

西门子数字化顾问

李于江


本账号为西门子中国的官方知乎账号。西门子是全球领先的技术企业,创立于1847年,业务遍及全球200多个国家,专注于电气化、自动化和数字化领域。我们希望与你一同分享这些领域的知识与新科技,欢迎你的提问。此外,我们并不卖家电:)

西门子中国的每一位专家都是我们的智囊,你在这个账号可以阅读到来自西门子各个不同方向专家们的见解。请大家不要吝惜手里的“邀请”,让我们在分享中共同进步。

也欢迎大家关注我们的微博(ID:西门子)和微信 (ID:西门子中国) ,更多的了解我们。

看到这里就给点个赞吧!




     

相关话题

  如何看待谷歌公开 tensorflow 专用处理器 TPU? 
  如何看待2019年8月28日SpaceX的水塔150米跳跃测试成功? 水塔未来还会进行更高跳跃吗? 
  AI(或者说神经网络/深度学习)能够实现科学(尤其是物理学)研究中提出假设这一步嘛? 
  中国关键核心技术「化缘是化不来的」,如何实现自立自强,摆脱「卡脖子」的现状? 
  网传腾讯外包员工在工作群抢到 5 元红包,组长要求其退回,真实性如何?腾讯外包和正式待遇上有啥不同? 
  你在《我的知乎十年历》里发现了哪些有趣的数据? 
  哪个免费的在线流程图制作软件最好用? 
  「阿里女员工案」王某文妻子准备控告周某,能否成功?事情将如何发展? 
  GPT-3 到底花了多少钱?为什么有的网站显示 1200 万美元,有的显示 460 万美元呢? 
  有哪些事让你觉得「学到了」? 

前一个讨论
在国企工作是什么感觉?
下一个讨论
有什么给希望向电气自动化方向发展的高三学生的建议呢?





© 2024-05-21 - tinynew.org. All Rights Reserved.
© 2024-05-21 - tinynew.org. 保留所有权利