工业互联网环境下的大数据技术应用

1、基于数字孪生的智慧研发场景应用。如今我国工业正向产业的高价值链环节迈进，工业产品的复杂度和集成度越来越高，设计更改频繁，模型一经修改，改变的内容还会影响到分析测试模型、生产模型、工程图等其他相关模型。

利用数字孪生技术进行可视化建模，通过数字化模型的虚拟现实交互、仿真、快速成型，可及早发现设计缺陷，优化产品外形、尺寸和结构，克服以往被动、静态、单纯依赖人的经验的缺点，实现产品制造行业研发设计与生产过程在虚拟空间的实时监控和动态优化，促进制造资源的智能物联及共享协同，并有利于制造知识积累及高效重用。通过基于模型的设计生产一体化协同，缩短产品研制周期缩短，降低产品不良品率，提高生产率。

2、基于柔性生产的大规模个性化定制场景。柔性生产是指让系统在制造过程中根据产品加工状况的改变自动进行调整，在原有的自动化基础上实现系统的自省功能，实现制造过程的最优智能决策。

企业通过外部平台采集客户个性化需求数据，与工业企业生产数据、外部环境数据相融合，将产品的共性特征数据与收集到的客户定制化数据结合转换成个性化的产品模型，并将产品方案、物料清单、工艺方案等数据信息通过制造执行系统快速传递给生产现场，以保证包括样式、颜色、尺寸、物料等在内的产品全生命周期的各个环节都满足个性化定制需求及相应的生产指令进行生产线调整和物料准备，快速生产出符合个性化需求的定制化产品。

3、基于产品全生命周期管理的设备预测管理。通过传感器、边缘计算与工业大数据等技术，对产品使用过程中的自身工作状况、周边环境、用户操作行为等数据进行实时采集并连接至云端，在云端进行数据存储、分析与可视化展现。

基于设备数据监测，实时上报设备状态，对其核心部件进行定期或连续的指标监测和故障诊断，判定装备所处状态，根据历史数据中不同设备工况数据，以及发生故障的具体时间，学习排序模型，预测当前各产线设备发生故障的风险排名与设备状态未来的发展趋势，并预先指定预测性维修计划，从而实现在线健康检测、故障诊断预警等服务，提高设备可靠性，延长设备使用寿命。

4、基于深度学习的服务化延伸场景。工业制造企业通过对以往生产过程中提炼和总结工业机理与知识，既可以将工业机理更好地融入于工业大数据算法，实现模型的调优和迭代。同时，通过对海量工业大数据的深入挖掘、提炼、建模和封装，进一步形成面向各个细分工业领域的各类知识库、工具库、模型库和工业软件，将有助于加速旧知识的复用和新知识的不断产生，进一步服务于工业过程的改进和提升，为用户提供基于工业互联网的持续价值创造良性闭环。
责任编辑：tzh