1.1.2 典型分析主题

基于上一小节的智能运维和智能制造等应用环节的讨论，我们拟将工业大数据分析的典型场景归纳为如表1-1所示的3类：①智能装备/产品，以智能运维环节的需求为主，适当融入智能运维带来的新业务模式（例如，服务性制造、基于产品的金融衍生服务）和研发创新，详细划分为PHM（Prognostics and Health Management，设备故障诊断与健康管理）、APM（Asset Performance Management，装备效能优化）和产品运作闭环等3类子主题；②智慧工厂/车间，集中在图1-1中智能制造的纵向整合，打通不同生产单元与业务环节，结合不同时空颗粒度，从效率、质量和安全的角度，保证制造过程的可视、可溯、可决；③产业互联，集中在通过图1-1中智能制造的纵向整合，通过数据的融合与深度分析，提高协作效率，支撑新的协作模式。

工业大数据的3大典型分析领域的行业用例如图1-2所示。首先，产业链上不同角色企业关注的分析课题不同，例如，高端装备制造业（例如汽轮机制造企业）强调“服务型制造”“智能装备”“智能诊断”，而装备使用企业（例如发电厂）则关注整个生产系统（而不是单类设备）的生产效率。再者，对同一类分析课题，由于产品特点和生产模式的不同，不同行业的分析侧重点差异也挺大，例如，在生产质量分析上，化工行业的质量管控粒度比较粗，但需要长久的稳定的质量，而电子行业可以做到单件或单个批次的质量检测，甚至可以做到Run-to-Run的工艺参数调整。

表1-1 工业大数据分析的典型主题

图1-2 不同行业的典型分析主题