1、基于數(shù)字孿生的智慧研發(fā)場景應用。如今我國工業(yè)正向產(chǎn)業(yè)的高價值鏈環(huán)節(jié)邁進，工業(yè)產(chǎn)品的復雜度和集成度越來越高，設(shè)計更改頻繁，模型一經(jīng)修改，改變的內(nèi)容還會影響到分析測試模型、生產(chǎn)模型、工程圖等其他相關(guān)模型。
利用數(shù)字孿生技術(shù)進行可視化建模，通過數(shù)字化模型的虛擬現(xiàn)實交互、仿真、快速成型，可及早發(fā)現(xiàn)設(shè)計缺陷，優(yōu)化產(chǎn)品外形、尺寸和結(jié)構(gòu)，克服以往被動、靜態(tài)、單純依賴人的經(jīng)驗的缺點，實現(xiàn)產(chǎn)品制造行業(yè)研發(fā)設(shè)計與生產(chǎn)過程在虛擬空間的實時監(jiān)控和動態(tài)優(yōu)化，促進制造資源的智能物聯(lián)及共享協(xié)同，并有利于制造知識積累及高效重用。通過基于模型的設(shè)計生產(chǎn)一體化協(xié)同，縮短產(chǎn)品研制周期縮短，降低產(chǎn)品不良品率，提高生產(chǎn)率。
2、基于柔性生產(chǎn)的大規(guī)模個性化定制場景。柔性生產(chǎn)是指讓系統(tǒng)在制造過程中根據(jù)產(chǎn)品加工狀況的改變自動進行調(diào)整，在原有的自動化基礎(chǔ)上實現(xiàn)系統(tǒng)的自省功能，實現(xiàn)制造過程的最優(yōu)智能決策。
企業(yè)通過外部平臺采集客戶個性化需求數(shù)據(jù)，與工業(yè)企業(yè)生產(chǎn)數(shù)據(jù)、外部環(huán)境數(shù)據(jù)相融合，將產(chǎn)品的共性特征數(shù)據(jù)與收集到的客戶定制化數(shù)據(jù)結(jié)合轉(zhuǎn)換成個性化的產(chǎn)品模型，并將產(chǎn)品方案、物料清單、工藝方案等數(shù)據(jù)信息通過制造執(zhí)行系統(tǒng)快速傳遞給生產(chǎn)現(xiàn)場，以保證包括樣式、顏色、尺寸、物料等在內(nèi)的產(chǎn)品全生命周期的各個環(huán)節(jié)都滿足個性化定制需求及相應的生產(chǎn)指令進行生產(chǎn)線調(diào)整和物料準備，快速生產(chǎn)出符合個性化需求的定制化產(chǎn)品。
3、基于產(chǎn)品全生命周期管理的設(shè)備預測管理。通過傳感器、邊緣計算與工業(yè)大數(shù)據(jù)等技術(shù)，對產(chǎn)品使用過程中的自身工作狀況、周邊環(huán)境、用戶操作行為等數(shù)據(jù)進行實時采集并連接至云端，在云端進行數(shù)據(jù)存儲、分析與可視化展現(xiàn)。
基于設(shè)備數(shù)據(jù)監(jiān)測，實時上報設(shè)備狀態(tài)，對其核心部件進行定期或連續(xù)的指標監(jiān)測和故障診斷，判定裝備所處狀態(tài)，根據(jù)歷史數(shù)據(jù)中不同設(shè)備工況數(shù)據(jù)，以及發(fā)生故障的具體時間，學習排序模型，預測當前各產(chǎn)線設(shè)備發(fā)生故障的風險排名與設(shè)備狀態(tài)未來的發(fā)展趨勢，并預先指定預測性維修計劃，從而實現(xiàn)在線健康檢測、故障診斷預警等服務，提高設(shè)備可靠性，延長設(shè)備使用壽命。
4、基于深度學習的服務化延伸場景。工業(yè)制造企業(yè)通過對以往生產(chǎn)過程中提煉和總結(jié)工業(yè)機理與知識，既可以將工業(yè)機理更好地融入于工業(yè)大數(shù)據(jù)算法，實現(xiàn)模型的調(diào)優(yōu)和迭代。同時，通過對海量工業(yè)大數(shù)據(jù)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(yè)領(lǐng)域的各類知識庫、工具庫、模型庫和工業(yè)軟件，將有助于加速舊知識的復用和新知識的不斷產(chǎn)生，進一步服務于工業(yè)過程的改進和提升，為用戶提供基于工業(yè)互聯(lián)網(wǎng)的持續(xù)價值創(chuàng)造良性閉環(huán)。
