1、基于數字孿生的智慧研發場景應用。如今我國工業正向產業的高價值鏈環節邁進，工業產品的復雜度和集成度越來越高，設計更改頻繁，模型一經修改，改變的內容還會影響到分析測試模型、生產模型、工程圖等其他相關模型。

利用數字孿生技術進行可視化建模，通過數字化模型的虛擬現實交互、仿真、快速成型，可及早發現設計缺陷，優化產品外形、尺寸和結構，克服以往被動、靜態、單純依賴人的經驗的缺點，實現產品制造行業研發設計與生產過程在虛擬空間的實時監控和動態優化，促進制造資源的智能物聯及共享協同，并有利于制造知識積累及高效重用。通過基于模型的設計生產一體化協同，縮短產品研制周期縮短，降低產品不良品率，提高生產率。

2、基于柔性生產的大規模個性化定制場景。柔性生產是指讓系統在制造過程中根據產品加工狀況的改變自動進行調整，在原有的自動化基礎上實現系統的自省功能，實現制造過程的最優智能決策。

企業通過外部平臺采集客戶個性化需求數據，與工業企業生產數據、外部環境數據相融合，將產品的共性特征數據與收集到的客戶定制化數據結合轉換成個性化的產品模型，并將產品方案、物料清單、工藝方案等數據信息通過制造執行系統快速傳遞給生產現場，以保證包括樣式、顏色、尺寸、物料等在內的產品全生命周期的各個環節都滿足個性化定制需求及相應的生產指令進行生產線調整和物料準備，快速生產出符合個性化需求的定制化產品。

3、基于產品全生命周期管理的設備預測管理。通過傳感器、邊緣計算與工業大數據等技術，對產品使用過程中的自身工作狀況、周邊環境、用戶操作行為等數據進行實時采集并連接至云端，在云端進行數據存儲、分析與可視化展現。

基于設備數據監測，實時上報設備狀態，對其核心部件進行定期或連續的指標監測和故障診斷，判定裝備所處狀態，根據歷史數據中不同設備工況數據，以及發生故障的具體時間，學習排序模型，預測當前各產線設備發生故障的風險排名與設備狀態未來的發展趨勢，并預先指定預測性維修計劃，從而實現在線健康檢測、故障診斷預警等服務，提高設備可靠性，延長設備使用壽命。

4、基于深度學習的服務化延伸場景。工業制造企業通過對以往生產過程中提煉和總結工業機理與知識，既可以將工業機理更好地融入于工業大數據算法，實現模型的調優和迭代。同時，通過對海量工業大數據的深入挖掘、提煉、建模和封裝，進一步形成面向各個細分工業領域的各類知識庫、工具庫、模型庫和工業軟件，將有助于加速舊知識的復用和新知識的不斷產生，進一步服務于工業過程的改進和提升，為用戶提供基于工業互聯網的持續價值創造良性閉環。
責任編輯：tzh