1.1.2 典型分析主題

基于上一小節的智能運維和智能制造等應用環節的討論，我們擬將工業大數據分析的典型場景歸納為如表1-1所示的3類：①智能裝備/產品，以智能運維環節的需求為主，適當融入智能運維帶來的新業務模式（例如，服務性制造、基于產品的金融衍生服務）和研發創新，詳細劃分為PHM（Prognostics and Health Management，設備故障診斷與健康管理）、APM（Asset Performance Management，裝備效能優化）和產品運作閉環等3類子主題；②智慧工廠/車間，集中在圖1-1中智能制造的縱向整合，打通不同生產單元與業務環節，結合不同時空顆粒度，從效率、質量和安全的角度，保證制造過程的可視、可溯、可決；③產業互聯，集中在通過圖1-1中智能制造的縱向整合，通過數據的融合與深度分析，提高協作效率，支撐新的協作模式。

工業大數據的3大典型分析領域的行業用例如圖1-2所示。首先，產業鏈上不同角色企業關注的分析課題不同，例如，高端裝備制造業（例如汽輪機制造企業）強調“服務型制造”“智能裝備”“智能診斷”，而裝備使用企業（例如發電廠）則關注整個生產系統（而不是單類設備）的生產效率。再者，對同一類分析課題，由于產品特點和生產模式的不同，不同行業的分析側重點差異也挺大，例如，在生產質量分析上，化工行業的質量管控粒度比較粗，但需要長久的穩定的質量，而電子行業可以做到單件或單個批次的質量檢測，甚至可以做到Run-to-Run的工藝參數調整。

表1-1 工業大數據分析的典型主題

圖1-2 不同行業的典型分析主題