1.2　工业大数据的典型应用场景

1.2.1　业务领域视角

对于未来制造的发展模式，业界有很多好的提法，包括精益（Lean）制造、柔性（Flexible）制造、绿色（Sustainable）制造、云（Cloud）制造、敏捷（Agile）制造、自组织（Holonic）制造、数字（Digital）制造、智能（Intelligent）制造、智慧（Smart）制造等，以应对不同需求（如成本和竞争压力、创新速度、个性化需求、可持续性发展等）。工业大数据是支撑制造模式转型的重要使能技术。

在工业数据的应用模方面，业界从不同角度提出了很多类似的想法。德国“工业4.0”强调通过横向全供应链集成、纵向全自动化集成（智能工厂）和设计工程全数字化集成3条技术路线，构建基于物理信息系统（CPS）的全新生产环境，实现以数字制造为核心的第四次工业革命[2]。美国NIST从产品生命周期（设计、工艺规划、生产工程、制造、使用和服务、废弃和回收6个阶段）、生产系统（设计、修建、调试、运营和维护、退役和回收5个方面）和商务（采购、制造、交付、售后等供应链活动）3个制造生命周期维度构建智慧制造（Smart Manufacturing System）[6]。学术界也提出过类似的想法。Porter James与Heppe Imann探讨了互联的产品：结合大数据分析，打造服务型制造模式，柔化制造业和服务业的固有边界[7]。中国电子技术标准化研究院的《工业大数据白皮书（2019版）》将工业大数据的典型应用场景概括为智能化设计、智能化生产、网络化协同制造、智能化服务和个性化定制[8]。日本RIETI研究中心和PwC也从业务部门和业务模式的角度提出了类型框架。

综上所述，结合实践经验，我们总结了工业大数据在7大业务领域的应用场景，如图1-1所示。

图1-1　工业大数据在7大业务领域的应用场景