智能制造思维工具箱001：DIKW金字塔模型（上）
1、人类认识世界规律
从农业社会、工业社会到数字经济时代， 人类一直在努力提高认识世界的水平 ，通过观察物理世界 、描述现状，理解客观规律 、来解释过去，指导现在，预测未来。通过对自然信息的记录、描述、分析和推理，逐渐建立了经典的dikw知识金字塔体系。 dikw金字塔好地描述了人类认识世界的规律和层次结构，分别是：数据（原始的事实集合）、信息（可被分析测量的结构化数据）、知识（需要洞察力和理解力进行学习）、智慧（推断未来发生的相关性，指导行动）。
2、dikw的形成和内涵
dikw模型是关于数据、信息、知识及智慧的体系，最早可以追溯至诺贝尔文学奖得主ts.艾略特在1934年写的《岩石》。他在上个世纪就对信息泛滥的到来，产生焦虑。在首段，他写道：“我们在哪里丢失了知识中的智慧？又在哪里丢失了信息中的知识？”（where is the wisdom we have lost in knowledge？/ where is the knowledge we have lost in information？）。
1982年12月，美国教育家哈蓝·克利夫兰引用艾略特的这些诗句在其出版的《未来主义者》一书提出了“信息即资源”（information as a resource）的主张。管理思想家罗素·艾可夫进一步对此理论发扬光大，在1989年撰写了《从数据到智慧》。 简单讲，dikw模型将数据、信息、知识、智慧纳入到一种金字塔形的层次体系，越往上就会越来越抽象，对于人和企业的价值越来越大。这个模型告诉我们，从数据到智慧是有规律的。
数据（data）：数据是dikw中最底层也是最基础的一个概念。数据是形成信息，知识和智慧的源泉。通过原始观察及量度获得了数据。包括数字、文字、图形、音频、视频等。信息（information）：信息必然来源于数据并高于数据，信息＝数据＋处理，信息是具有时效性的有一定含义的，有逻辑的、经过加工处理的、对决策有价值的数据流。通过分析数据间的关系获得了信息。知识（knowledge）：知识是需要提炼信息之间的联系，从中得到所需要的规律性认识，是对信息的应用。在完成当下任务的行动中应用信息产生了知识。知识就是知道了什么（know-what）、、知道怎么做（know-how）、知道谁（know-who），知道了时间（know-when）。知识更接近行动，它与决策相关。智慧（wisdom）：智慧是知识层次结构中的最高一级。智慧着眼未来，它具有预测和未来影响的判断能力。 从采集数据、提炼有关系的信息到总结成能解决当下问题的知识，到形成普适的智慧，这个是人类认识和改造世界的普遍规律。
3、基于数据应用视角来理解dikw
数据和信息描述世界，知识和智慧理解世界。今天你对数据的应用有什么样的理解，做出了何种改变，决定了你企业处在dikw哪一层。 从这个角度说，站在dikw金字塔尖的企业，相当于全部通关的顶级选手，掌握了数据、整理成信息、理解为知识、转化成智慧，在面向未来的决策和行动如有神助。从数据应用视角来看，有3个维度：从数据流动的视角看：数据在dikw不同层级间要流动， 不同层级要加强反馈循环和流动，数据流动的自动化水平越高，企业智能化高效精准决策的水平越高。在数据生产力时代，企业智能体现为面向全流程、全产业链、全生命周期的精准 、实时、低成本的决策能力 。
以安全巡检为例，既要有实时监测和视觉巡检数据分析报表，来对生产现场安全进行状态描述和原因分析。 还要有面向结果的预测分析和科学预测，比如通过各种不同等级预警事件告知安全生产预防工作，预置若干实时安全策略进行干预。从发展的视角看：从dikw体系可以看出，其由远到近分别为过去（past）和未来（future），以及经验（experience）和创新（novelty）。 数据更多是强调过去事实的呈现，主要是确保业务正常开展，正确地做事。而智慧则着重在未来，并且是为了应对未来所提出的想法，其内涵即是决策，是确保做正确的事。
从数据开发的深度和广度的视角：所有数据开发和应用都是围绕具体问题开展，对问题的定义越具体、理解越深刻，认知越犀利。今天在落地过程当中才能确保数据的及时性，准确性，完整性，才能确保数据开发利用有效。
4、在工业场景中认识dikw
以设备声音异常监测场景来看，假设设备声音合理阈值在15分贝。通过红外热成像技术，对重要设备设施生产运行时的温度进行在线监测及可视化呈现，当采集上来的数据是20分贝。我们知道，
这个20是数据，系统能够做到全天候（7×24小时）不遗漏，便于实时掌握设备运行状态和数据；
已经突破合理阈值范围这就属于信息；
20分贝下设备会出异常，这就是知识层面；
在设备出现重大异常前发现轻微异常信号，引导及时维修以避免重大事故发生。这是智慧层面了。
下图将设备声音异常监测与dikw模型结合来看：
由此可见，工业大数据不是简单的数据展现，分析而是需要基于dikw底层数据逻辑构建工业智能闭环体系。从现场设备异常数据到行业领域know-how知识沉淀到ai智慧决策的业务闭环。
lcd和led有什么区别
Zytronic触控传感器：PX集团对Work/Cafe分行转型的关键
Hive如何提升查询效率
黄仁勋回应7nm显卡“缺席”：英伟达的优秀不靠它
安卓主板RK3288/RK3128/RK3399的特点
智能制造思维工具箱001：DIKW金字塔模型（上）
如何制作高兼容性的无缝无缝且稳定的智能家居系统
比特币与金融泡沫将会如何对决
两层加密方法可大幅降低成本和开发时间
量子通信/网络重要进展：我国首次实现远距离量子纠缠纯化，效率提升6000多倍
气相再流焊的原理是什么，它可降低PCBA的处理成本
Spansion为多图像应用提供业界领先性能的双四路串行闪存
iSitePower-M华为混电去油解决方案满足全屋供电需求
ECS Inc.发布ECSpressCON系列可配置时钟振荡器产品
机器人为何难以实现规模化场景落地
中软国际增选为智慧环境与水务专委会理事单位，水行业端边鸿蒙创新突破获得权威机构认可
在汽车应用中使用MAX9205/MAX9206 LVDS SerDes传输I2S音频流
全新凯美瑞登场，长的雷克萨斯的前脸，16万售价30万的品质
关于智慧路灯运营管理平台的功能和应用的简介
XR虚拟拍摄中遇到扫描线等问题的解决方法
从农业社会、工业社会到数字经济时代， 人类一直在努力提高认识世界的水平 ，通过观察物理世界 、描述现状，理解客观规律 、来解释过去，指导现在，预测未来。通过对自然信息的记录、描述、分析和推理，逐渐建立了经典的dikw知识金字塔体系。 dikw金字塔好地描述了人类认识世界的规律和层次结构，分别是：数据（原始的事实集合）、信息（可被分析测量的结构化数据）、知识（需要洞察力和理解力进行学习）、智慧（推断未来发生的相关性，指导行动）。
2、dikw的形成和内涵
dikw模型是关于数据、信息、知识及智慧的体系，最早可以追溯至诺贝尔文学奖得主ts.艾略特在1934年写的《岩石》。他在上个世纪就对信息泛滥的到来，产生焦虑。在首段，他写道：“我们在哪里丢失了知识中的智慧？又在哪里丢失了信息中的知识？”（where is the wisdom we have lost in knowledge？/ where is the knowledge we have lost in information？）。
1982年12月，美国教育家哈蓝·克利夫兰引用艾略特的这些诗句在其出版的《未来主义者》一书提出了“信息即资源”（information as a resource）的主张。管理思想家罗素·艾可夫进一步对此理论发扬光大，在1989年撰写了《从数据到智慧》。 简单讲，dikw模型将数据、信息、知识、智慧纳入到一种金字塔形的层次体系，越往上就会越来越抽象，对于人和企业的价值越来越大。这个模型告诉我们，从数据到智慧是有规律的。
数据（data）：数据是dikw中最底层也是最基础的一个概念。数据是形成信息，知识和智慧的源泉。通过原始观察及量度获得了数据。包括数字、文字、图形、音频、视频等。信息（information）：信息必然来源于数据并高于数据，信息＝数据＋处理，信息是具有时效性的有一定含义的，有逻辑的、经过加工处理的、对决策有价值的数据流。通过分析数据间的关系获得了信息。知识（knowledge）：知识是需要提炼信息之间的联系，从中得到所需要的规律性认识，是对信息的应用。在完成当下任务的行动中应用信息产生了知识。知识就是知道了什么（know-what）、、知道怎么做（know-how）、知道谁（know-who），知道了时间（know-when）。知识更接近行动，它与决策相关。智慧（wisdom）：智慧是知识层次结构中的最高一级。智慧着眼未来，它具有预测和未来影响的判断能力。 从采集数据、提炼有关系的信息到总结成能解决当下问题的知识，到形成普适的智慧，这个是人类认识和改造世界的普遍规律。
3、基于数据应用视角来理解dikw
数据和信息描述世界，知识和智慧理解世界。今天你对数据的应用有什么样的理解，做出了何种改变，决定了你企业处在dikw哪一层。 从这个角度说，站在dikw金字塔尖的企业，相当于全部通关的顶级选手，掌握了数据、整理成信息、理解为知识、转化成智慧，在面向未来的决策和行动如有神助。从数据应用视角来看，有3个维度：从数据流动的视角看：数据在dikw不同层级间要流动， 不同层级要加强反馈循环和流动，数据流动的自动化水平越高，企业智能化高效精准决策的水平越高。在数据生产力时代，企业智能体现为面向全流程、全产业链、全生命周期的精准 、实时、低成本的决策能力 。
以安全巡检为例，既要有实时监测和视觉巡检数据分析报表，来对生产现场安全进行状态描述和原因分析。 还要有面向结果的预测分析和科学预测，比如通过各种不同等级预警事件告知安全生产预防工作，预置若干实时安全策略进行干预。从发展的视角看：从dikw体系可以看出，其由远到近分别为过去（past）和未来（future），以及经验（experience）和创新（novelty）。 数据更多是强调过去事实的呈现，主要是确保业务正常开展，正确地做事。而智慧则着重在未来，并且是为了应对未来所提出的想法，其内涵即是决策，是确保做正确的事。
从数据开发的深度和广度的视角：所有数据开发和应用都是围绕具体问题开展，对问题的定义越具体、理解越深刻，认知越犀利。今天在落地过程当中才能确保数据的及时性，准确性，完整性，才能确保数据开发利用有效。
4、在工业场景中认识dikw
以设备声音异常监测场景来看，假设设备声音合理阈值在15分贝。通过红外热成像技术，对重要设备设施生产运行时的温度进行在线监测及可视化呈现，当采集上来的数据是20分贝。我们知道，
这个20是数据，系统能够做到全天候（7×24小时）不遗漏，便于实时掌握设备运行状态和数据；
已经突破合理阈值范围这就属于信息；
20分贝下设备会出异常，这就是知识层面；
在设备出现重大异常前发现轻微异常信号，引导及时维修以避免重大事故发生。这是智慧层面了。
下图将设备声音异常监测与dikw模型结合来看：
由此可见，工业大数据不是简单的数据展现，分析而是需要基于dikw底层数据逻辑构建工业智能闭环体系。从现场设备异常数据到行业领域know-how知识沉淀到ai智慧决策的业务闭环。
lcd和led有什么区别
Zytronic触控传感器：PX集团对Work/Cafe分行转型的关键
Hive如何提升查询效率
黄仁勋回应7nm显卡“缺席”：英伟达的优秀不靠它
安卓主板RK3288/RK3128/RK3399的特点
智能制造思维工具箱001：DIKW金字塔模型（上）
如何制作高兼容性的无缝无缝且稳定的智能家居系统
比特币与金融泡沫将会如何对决
两层加密方法可大幅降低成本和开发时间
量子通信/网络重要进展：我国首次实现远距离量子纠缠纯化，效率提升6000多倍
气相再流焊的原理是什么，它可降低PCBA的处理成本
Spansion为多图像应用提供业界领先性能的双四路串行闪存
iSitePower-M华为混电去油解决方案满足全屋供电需求
ECS Inc.发布ECSpressCON系列可配置时钟振荡器产品
机器人为何难以实现规模化场景落地
中软国际增选为智慧环境与水务专委会理事单位，水行业端边鸿蒙创新突破获得权威机构认可
在汽车应用中使用MAX9205/MAX9206 LVDS SerDes传输I2S音频流
全新凯美瑞登场，长的雷克萨斯的前脸，16万售价30万的品质
关于智慧路灯运营管理平台的功能和应用的简介
XR虚拟拍摄中遇到扫描线等问题的解决方法