面对全球化的市场竞争格局和互联网消费文化的兴起，制造业企业不仅需要对产品、生产技术甚至业务模式进行创新，并以客户和市场需求来推动生产，而且需要提升企业的业务经营和生产管理水平，优化生产运营，提高效率和绩效，降低成本，保障可持续性发展，以应对日新月异的市场变革，包括对大规模小批量个性定制化生产的需求。
在这种环境下，智能制造成为企业必不可少的应对策略和手段。制造生产环境的数字化与信息化，以及在其基础上对生产制造进行进一步的优化升级，则是实现智能制造的必由之路。
美德技术架构，殊途同归大一统
工业互联网在智能制造或数字化制造中是什么一个关系，能起怎样一个作用呢？要探索这些问题，那可以从工业互联网同盟跟工业4.0平台的合作来说起。
工业互联网联盟（IIC，Industrial Internet Consortium）是美国数家大企业发起成立，为实现可信赖的工业物联网（IIoT）作为使命，对系统和设备进行安全性连接和控制，以实现转型成效。
IIC着重于跨领域的合作，以期打破技术壁垒，促进物理世界和数字世界的广范融合。它所涵盖的领域包括了制造业、能源、交通、运输在内的重要工业垂直领域，甚至也包括医疗保健还有公共设施等等领域。为此，IIC发布了具有跨越工业垂直领域适用性的工业互联网参考架构（IIRA，Industrial Internet Reference Architecture） ，作为它的第一个技术报告。
“工业4.0平台” 是德国在2013年4月举行的汉诺威通信和信息技术博览会上正式推出的新工业战略计划。
其目的是充分利用信息通信技术和信息物理系统， 促进制造业向智能化转型。德国工业4.0平台，也制订了的工业4.0参考构架模型（RAMI 4.0， Reference Architecture Model Industrie 4.0 ）。
在市场上，这两个机构都是具有国际影响力的组织，在2015年底，这两个组织的代表进行双边磋商，开始探讨这两个组织怎么样合作，特别是怎么从对方的角度去理解技术问题，探索两个架构工作的潜在协调，也为了减少市场上由于上述的两个参考架构同时存在所引起的混乱。
其实，工业互联网和工业4.0平台起源背景是相通的，也就是如何把互联网的计算和通讯技术应用于各个产业，对产业的运营实现优化。但在实施方面，他们各有侧重 。
德国工业4.0平台着力于推动制造智能化；IIC所着重的工业互联网，涉及的领域比较广，强调是跨领域的互操作性。显然，工业互联网这个理念也适用于制造业，然而德国工业4.0的架构，更深入地探讨制造业的具体的技术框架问题。
简单地说，工业4.0强调怎么去建立一个系统，系统中不同的环节之间怎么交互执行，以完成生产过程。工业互联网则强调在这个系统中，怎么优化，以达到最大的绩效。
很明显，这里首先有一个互操作性的问题。
比如说我们有一些大型装备，由厂商制造，交付和部署后开始运营。这些装备在基于工业4.0的制造系统内出厂，而且整个制造过程中所牵涉到的不仅仅是一个制造商，可能也是成十上百个制造商，一起参与共同制造出来。当这些设备部署完以后，可以通过工业互联网的技术进行优化运营。对设备的维护保养和绩效优化，需要厂商的专门技术，反过来，厂商也需要得到设备的使用和维保数据，为设计和制造过程提炼反馈信息。也就是说基于IIRA的运营系统需要与基于RAMI4.0的制造系统，连接融合，让数据和信息互流，也就是需要两个系统之间的交互操作。
但是，工业互联网与工业4.0智能制造之间的关系是否就停留在这个互操作性层面呢？
优化，工业互联网的核心
让我们先回顾一下工业互联网的核心理念是什么。
工业互联网可以看作互联网计算和通讯技术，在工业系统更广泛更深入的应用，也就是我们通常所说的，信息通讯技术和生产运营技术的两化融合，把实体、信息、业务流程和人员连接起来，通过数据分析，优化决策，推动生产和运营的智能化，高度优化对装备和资源的使用，从而创造新的经济成效和社会价值。
把设备连接起来，收集数据，通过数据分析，洞察设备的运行状况，并据此对设备的运维进行优化，实现经济价值的实例，在过去的几年已报道的已很多，大家也已非常熟悉。
作为典型案例，以下仅列几例，进一步说明优化作为工业互联网的核心这样一个思路。
☆ 一家国际石油公司通过对部署在偏远地点的关键设备收集数据，实施远程监测和数据分析，避免数百万美元的停机和生产损失 。
☆ 通过对风力发电机多年收集的数据进行分析和建模，通用电气（GE）在2013年推出了一种名为PowerUp的数字分析功能 ，优化每个叶片的操作，以捕获更大的风力，可以增大发电量5% ，为风电场运营商增加利润达20%。 而进一步的改进，使得同样设备的发电量更进一步增加了20%。
☆ 卡特彼勒（Caterpillar）利用货船部署的传感器监测从发电机到发动机、GPS、空调系统、冷藏集装箱和燃油表的所有状态数据。通过分析确定发电机最佳工作参数，选取启用多台发电机低功率输出的模式，降低能耗，每小时节省约30美元。对于一个拥有50条船只的船队，每年可节省65万美元 。
显然，对于工业互联网，对设备的连接是基础，数据收集和分析是关键手段，而把分析所得的信息，用于做出最佳化的决策，优化生产和运营是最终的目的。所以，数据分析在这个优化过程里，至关重要。
数据分析，智能和优化的驱动力
数据分析，包括大数据分析，在传统的商务行业，如金融，保险，市场分析，特别是在电子商务中，已有多年的应用和实践，在消费者市场的营销中已成了必不可缺的技术。随着工业互联网和智能制造的兴起和发展，工业分析（或工业大数据），是数据分析在工业产业的应用。一些先进分析算法，如机器学习、深度学习和AI，在工业环境里的应用，具有加速发展之势。
去年年底，德国的数字分析协会，和物联网分析机构，联合发布一个对工业数据分析的调查报告（INDUSTRIAL ANALYTICS 2016/2017，IoT Analytics GmbH） 。调查的结果表明，对于被访的151位职业分析家和工业企业决策者，大多数都清晰地认识到工业数据分析的重要性。
工业分析，在未来的5年内对企业业务极为重要
同时，他们认为，设备的预测性维护是工业分析最重要的应用，甚至超于有关客户市场的分析。工业数据分析对产品使用和维护支持的应用也名排前列。
接近60%的被访者也认为，工业数据分析对产品质量的监管和生产流程的自动化十分重要。也就是说，行业里已充分地认识到工业互联网的一个核心应用，也就是设备数据分析对运营优化的重要性。
其实，这也不奇怪，对很多产业企业来讲，已投产的装备代表了他们的运营中最重要的、占比最大的、也是创造价值的关键资源，因此对其进行优化的重要性毋庸置疑。通俗地说，如果把海量的工业数据比作的原油，那么数据分析可以作炼油设施，从数据中提练出有价值的信息，作为驱动智能制造的高效燃料， 为最佳决策提供确切和及时的依据，使整个制造过程更透明、更优化和更柔化，更能满足大规模个性化制造的需要。
信息化的三种优化角度
其实，利用计算和通讯技术，优化生产操作和流程，如果从数字化控制开始算，也有了四、五十年的时间了，而对生产的业务管理的数字化，也有三十年左右的历史了。工业互联网可以看作制造业数字化或信息化发展过程的一个新的阶段。
粗略地看，我们可以把目前通过信息化对制造业进行优化的过程分为三个方面：
1、对制造流程数字化的完善和深化，主要的流程包括以企业资源计划 （ERP）为首的业务管理流程以及产品生命周期管理（PLM）这两个流程。
2、利用工业互联网技术，实现或扩大对生产设备和产品的连接，无论是在生产过程，或是在物流过程，还是在产品的使用过程，收集数据，通过工业数据分析，进一步优化制造业的生产和运营。
3、信息物理系统（CPS，Cyber-Physical Systems）的发展，把计算和通讯技术，在最小的单元组件中，与物理感应和效应深度地融合在一起，实现虚拟与物理空间交互映射，将计算、通信、和控制融为一体，为设备自动化控制提供了崭新的能力。
这三个方面的发展是相互关联，并相互支持与推动的，在后续的章节中，我们将特别针对于这三个方面展开讨论。