文章來源：《物聯(lián)網(wǎng)技術(shù)》2021年第8期

文章標簽：【智慧工廠】【智慧工廠數(shù)字化】【智能化化工廠建設】【電源及環(huán)境監(jiān)控】【能源管理系統(tǒng)】【智能運維】

本文旨在從工業(yè)大數(shù)據(jù)的特點出發(fā)，闡明工業(yè)大數(shù)據(jù)的來源與采集方式，分析并總結(jié)工業(yè)大數(shù)據(jù)在工業(yè)互聯(lián)網(wǎng)環(huán)境下的應用。最后，為工業(yè)大數(shù)據(jù)助力制造業(yè)數(shù)字化發(fā)展提出建議。

1 工業(yè)大數(shù)據(jù)的特點

與商業(yè)領域關注數(shù)據(jù)之間的關聯(lián)性以及對數(shù)據(jù)具有較高容錯率的特征相比，工業(yè)領域的大數(shù)據(jù)更為重視數(shù)據(jù)特征蘊含的物理意義以及特征之間的關聯(lián)機理，對分析結(jié)果的可靠性要求較高。工業(yè)大數(shù)據(jù)具有規(guī)模大、速度快、類型雜、質(zhì)量低的“4V”特征，還具有反應工業(yè)機理與邏輯的多模態(tài)、強關聯(lián)、高通量、因果性、價值性等新特征。

工業(yè)大數(shù)據(jù)要反映工業(yè)系統(tǒng)各方面的要素，強調(diào)數(shù)據(jù)樣本的全體性。記錄全體數(shù)據(jù)不僅要包含工業(yè)軟件及系統(tǒng)中的結(jié)構(gòu)化數(shù)據(jù)，還涉及不同專業(yè)的視頻、圖紙等半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，導致數(shù)據(jù)文件結(jié)構(gòu)復雜和數(shù)據(jù)內(nèi)生結(jié)構(gòu)的多模態(tài)特征。工業(yè)大數(shù)據(jù)的強關聯(lián)體現(xiàn)在工業(yè)系統(tǒng)中不同物理對象與過程的語義關聯(lián)，反映了工業(yè)系統(tǒng)復雜的動態(tài)關系，體現(xiàn)出了產(chǎn)品生命周期內(nèi)設計、生產(chǎn)、運營、售后等各過程的不同專業(yè)數(shù)據(jù)之間的關聯(lián)。高通量是指設備與產(chǎn)品利用傳感器能夠短時間內(nèi)采集大量時間序列數(shù)據(jù)，這類時間序列數(shù)據(jù)呈現(xiàn)出吞吐量大、產(chǎn)生速度快并且持續(xù)不斷的特征。工業(yè)大數(shù)據(jù)的價值性體現(xiàn)在其應用能夠解決企業(yè)生產(chǎn)制造過程中的痛點問題，幫助制造企業(yè)實現(xiàn)數(shù)字化轉(zhuǎn)型。工業(yè)大數(shù)據(jù)的因果性體現(xiàn)在通過數(shù)據(jù)分析得出可靠的結(jié)論和知識，用以指導工業(yè)系統(tǒng)運行的過程。在工業(yè)大數(shù)據(jù)分析應用過程中追求因果性能夠降低不確定性導致的損失。

2 工業(yè)互聯(lián)網(wǎng)環(huán)境下的工業(yè)大數(shù)據(jù)采集

2.1 工業(yè)大數(shù)據(jù)來源

工業(yè)大數(shù)據(jù)作為工業(yè)互聯(lián)網(wǎng)的核心要素和生產(chǎn)資源，讓人與機器的對話成為可能，是企業(yè)從“制造”到“智造”轉(zhuǎn)型的加速器。從業(yè)務視角出發(fā)，工業(yè)大數(shù)據(jù)主要來源于企業(yè)信息化數(shù)據(jù)、工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)和外部跨界數(shù)據(jù)。

企業(yè)信息化數(shù)據(jù)是指存儲在進行日常生產(chǎn)與管理活動的ERP、MES、SCM、CRM 等信息系統(tǒng)中的高價值業(yè)務數(shù)據(jù)，涉及產(chǎn)品生命周期各個環(huán)節(jié)，這部分數(shù)據(jù)已成為工業(yè)領域傳統(tǒng)的數(shù)據(jù)資產(chǎn)。

工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)是指通過傳感器等連接機器、產(chǎn)品對象等產(chǎn)生的數(shù)據(jù)。主要分為生產(chǎn)現(xiàn)場的數(shù)據(jù)以及交付客戶后的終端產(chǎn)品數(shù)據(jù)，是工業(yè)大數(shù)據(jù)的重要組成部分。

企業(yè)生產(chǎn)運行不僅受內(nèi)部生產(chǎn)要素的影響，政策法規(guī)、宏觀經(jīng)濟數(shù)據(jù)、市場變化等外部要素也會影響企業(yè)的生產(chǎn)和產(chǎn)品創(chuàng)新。由于工業(yè)系統(tǒng)處于復雜多變的內(nèi)外部環(huán)境之中，外部跨界數(shù)據(jù)也是工業(yè)大數(shù)據(jù)的重要來源。

2.2 工業(yè)大數(shù)據(jù)采集

工業(yè)大數(shù)據(jù)采集是制造企業(yè)數(shù)字化轉(zhuǎn)型的前提。工業(yè)互聯(lián)網(wǎng)在助力企業(yè)轉(zhuǎn)型升級過程中，成為工業(yè)大數(shù)據(jù)采集和應用的新載體。其邊緣層通過接口、協(xié)議或系統(tǒng)集成的方式完成對不同來源數(shù)據(jù)的接入與實時采集。

工業(yè)互聯(lián)網(wǎng)利用數(shù)據(jù)接口連接企業(yè)信息系統(tǒng)，支持ERP、CRM、MES 等應用系統(tǒng)數(shù)據(jù)的批量或增量導入，實現(xiàn)異構(gòu)系統(tǒng)中數(shù)據(jù)的統(tǒng)一管理。

工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)采集主要包括工業(yè)現(xiàn)場數(shù)據(jù)采集和工業(yè)產(chǎn)品數(shù)據(jù)采集。工業(yè)現(xiàn)場的數(shù)據(jù)采集針對現(xiàn)場工業(yè)控制系統(tǒng)和設備進行。通過生產(chǎn)現(xiàn)場的自動化與控制系統(tǒng)，如 DCS、SCADA 系統(tǒng)等，借助傳感器、采集器、射頻識別等實現(xiàn)對地理位置集中的底層設備或分散的工業(yè)現(xiàn)場設備進行監(jiān)視與數(shù)據(jù)采集。工業(yè)產(chǎn)品數(shù)據(jù)在產(chǎn)品或裝備在客戶端投入使用后，通過 4G、5G、NB-IoT 等無線通信技術(shù)接入工業(yè)互聯(lián)網(wǎng)，利用標識、傳感器等獲取產(chǎn)品信息、能耗、溫度、工作電流、電壓等實時指標數(shù)據(jù)，完成數(shù)據(jù)的采集。

企業(yè)決策不僅受自身資源、管理條件的約束，還受外部環(huán)境的影響。借助數(shù)據(jù)抓取技術(shù)等從市場、合作伙伴或競爭者等處獲得外部跨界數(shù)據(jù)，包括從市場動態(tài)數(shù)據(jù)中提取的消費者對產(chǎn)品的滿意度和未來需求的相關數(shù)據(jù)、合作伙伴或者競爭者的動態(tài)發(fā)展數(shù)據(jù)等。

3 工業(yè)互聯(lián)網(wǎng)環(huán)境下的大數(shù)據(jù)分析與應用

工業(yè)大數(shù)據(jù)的分析與應用貫穿制造企業(yè)生產(chǎn)經(jīng)營的全過程。工業(yè)大數(shù)據(jù)在研發(fā)設計、生產(chǎn)制造、遠程運維、數(shù)字化運營管理等方面幫助制造企業(yè)實現(xiàn)了降本增效與提質(zhì)增收。

3.1 研發(fā)設計

數(shù)字經(jīng)濟時代，市場競爭環(huán)境復雜多變，高效率地進行工業(yè)產(chǎn)品設計是縮短交付周期、提升企業(yè)競爭力的前提。工業(yè)大數(shù)據(jù)支持產(chǎn)品協(xié)同設計、智能裝備的數(shù)字化設計以及建模仿真等。如在航天云網(wǎng)的支持下，依托數(shù)據(jù)和模型實現(xiàn)了航天企業(yè)產(chǎn)品的協(xié)同設計和多學科建模仿真 。通過工業(yè)互聯(lián)網(wǎng)技術(shù)感知多維數(shù)據(jù)，利用半監(jiān)督學習和樸素貝葉斯分類器處理工業(yè)數(shù)據(jù)進行關鍵詞提取、情感分析、語義關聯(lián)，實現(xiàn)智能設備數(shù)字化設計。利用模糊邏輯、神經(jīng)網(wǎng)絡、遺傳算法、物理規(guī)劃等計算智能技術(shù)進行概念設計方案的選擇與評估，幫助設計人員快速找到坦克發(fā)動機的最佳設計方案。除此之外，應用回歸、聚類和關聯(lián)規(guī)則等常見的數(shù)據(jù)挖掘方法能夠輔助產(chǎn)品設計與性能優(yōu)化，縮短產(chǎn)品開發(fā)周期。

3.2 生產(chǎn)制造

企業(yè)依托工業(yè)互聯(lián)網(wǎng)采集生產(chǎn)過程的工業(yè)大數(shù)據(jù)，在生產(chǎn)工藝參數(shù)優(yōu)化、能耗管理、質(zhì)量管控、生產(chǎn)調(diào)度、智能排產(chǎn)、生產(chǎn)監(jiān)控等場景實現(xiàn)了工業(yè)大數(shù)據(jù)的深度應用。其中，算法和模型是工業(yè)大數(shù)據(jù)發(fā)揮價值的重要手段。

（1）生產(chǎn)工藝參數(shù)優(yōu)化

工業(yè)大數(shù)據(jù)的應用改變了企業(yè)依賴工人經(jīng)驗或大量實驗來調(diào)整與優(yōu)化生產(chǎn)工藝參數(shù)的現(xiàn)狀。借助工業(yè)互聯(lián)網(wǎng)整合的產(chǎn)品全生命周期歷史數(shù)據(jù)，利用數(shù)據(jù)分析算法與模型，提高生產(chǎn)階段工藝參數(shù)設置的準確性。例如，卷煙包裝公司利用數(shù)據(jù)分類規(guī)則提取卷煙包裝的工藝參數(shù)，通過關聯(lián)挖掘確定工藝參數(shù)之間的內(nèi)在聯(lián)系，從而發(fā)現(xiàn)工藝參數(shù)設置的最佳組合，實現(xiàn)工藝參數(shù)的優(yōu)化。在高鐵彈條生產(chǎn)環(huán)節(jié)的熱處理工藝中，通過工業(yè)互聯(lián)網(wǎng)實時獲取工藝參數(shù)信息，利用 BP神經(jīng)網(wǎng)絡模型預測和優(yōu)化后續(xù)工藝參數(shù)，這一方法提升了高鐵彈條的質(zhì)量與性能。

（2）能耗管理

能耗管理是工業(yè)大數(shù)據(jù)的典型應用場景之一。數(shù)據(jù)驅(qū)動的能耗管理能夠在一定程度上解決生產(chǎn)過程中能耗浪費的問題，使能耗管理變得更加透明，實現(xiàn)了能源的節(jié)約和高效利用。如部署具有云計算功能的能源管理系統(tǒng)是實現(xiàn)能源消耗控制與優(yōu)化的一種有效手段。增材制造行業(yè)的生產(chǎn)活動伴隨大量的能源消耗，利用基于聚類的深度學習算法對增材制造過程的多源數(shù)據(jù)進行集成與建模，實現(xiàn)增材制造系統(tǒng)能量消耗的準確預測，幫助企業(yè)更好地完成能耗管理工作。除了以上方法，運用回歸、分類、神經(jīng)網(wǎng)絡、遺傳網(wǎng)絡、時間序列、空間解析等智能算法或模型分析生產(chǎn)現(xiàn)場的能耗數(shù)據(jù)，識別與能耗變化高度相關的關鍵參數(shù)，進而實現(xiàn)產(chǎn)品生產(chǎn)制造過程的能耗管理與優(yōu)化。

（3）質(zhì)量管控

制造企業(yè)的發(fā)展前景很大程度上取決于產(chǎn)品質(zhì)量，而應用工業(yè)大數(shù)據(jù)能對產(chǎn)品質(zhì)量進行適時的控制、調(diào)整和提升，從而更好地滿足客戶要求。例如，富桂公司以質(zhì)量管控為中心，融合新興技術(shù)打造工業(yè)互聯(lián)網(wǎng)平臺，針對設備內(nèi)部數(shù)據(jù)、生產(chǎn)線生產(chǎn)數(shù)據(jù)進行數(shù)據(jù)集成與分析，控制產(chǎn)品質(zhì)量。另外，在采集生產(chǎn)線質(zhì)量數(shù)據(jù)的基礎上，通過結(jié)合生產(chǎn)計劃與用戶需求構(gòu)建質(zhì)量智能管控模型。鋼鐵企業(yè)實現(xiàn)了產(chǎn)品質(zhì)量的主動在線管控，不僅降低了工人的勞動強度，還能有效控制產(chǎn)品質(zhì)量。

（4）生產(chǎn)調(diào)度

受工業(yè)互聯(lián)網(wǎng)等新興技術(shù)的影響，生產(chǎn)調(diào)度系統(tǒng)正在向智能調(diào)度系統(tǒng)轉(zhuǎn)變。在工廠安裝智能傳感器和監(jiān)控設備，進行生產(chǎn)現(xiàn)場的數(shù)據(jù)采集、關聯(lián)分析與融合處理，實現(xiàn)實時智能生產(chǎn)調(diào)度。智能生產(chǎn)調(diào)度常用的算法模型包括決策樹、遺傳算法以及聚類分析等。例如，針對 Job Shop 調(diào)度問題，構(gòu)建決策樹模型分析海量生產(chǎn)數(shù)據(jù)，獲取數(shù)據(jù)驅(qū)動的調(diào)度規(guī)則，對機器的使用進行調(diào)整，提高車間生產(chǎn)效率 ；結(jié)合混合整數(shù)規(guī)劃、離散事件模擬和遺傳算法能解決傳統(tǒng)調(diào)度方法在應對指數(shù)級數(shù)據(jù)的處理以及環(huán)境的動態(tài)干擾方面存在的不足，實現(xiàn)綜合調(diào)度，提高企業(yè)運行效率。

此外，工業(yè)互聯(lián)網(wǎng)對生產(chǎn)數(shù)據(jù)的全面感知、實時分析，支撐著企業(yè)實現(xiàn)智能排產(chǎn)與生產(chǎn)監(jiān)控等活動。在產(chǎn)能約束和交期約束等條件限制下，可以利用神經(jīng)網(wǎng)絡、深度學習等算法模型處理生產(chǎn)數(shù)據(jù)，制定企業(yè)最優(yōu)的排產(chǎn)計劃?；诠I(yè)互聯(lián)網(wǎng)的生產(chǎn)監(jiān)控系統(tǒng)運用大數(shù)據(jù)技術(shù)處理生產(chǎn)現(xiàn)場的數(shù)據(jù)流，監(jiān)控車間的整體生產(chǎn)。數(shù)據(jù)驅(qū)動與算法模型的融合應用，能夠?qū)ιa(chǎn)做出及時調(diào)整與反饋，在提升制造企業(yè)生產(chǎn)效率的同時，降低生產(chǎn)成本與風險。

3.3 遠程運維

制造業(yè)的發(fā)展依賴于大型裝備與關鍵設備，其健康運行對工業(yè)企業(yè)的正常運轉(zhuǎn)至關重要，而工業(yè)互聯(lián)網(wǎng)廣連接、速度快、低延時的特點加速了遠程運維服務的發(fā)展。利用統(tǒng)計技術(shù)和機器學習方法，如決策樹、K-means、貝葉斯算法、關聯(lián)規(guī)則、神經(jīng)網(wǎng)絡、支持向量機、紅外圖譜診斷算法等智能分析算法，結(jié)合基于圖譜的識別技術(shù)，分析產(chǎn)品運行的時序數(shù)據(jù)，能夠識別設備異常狀況下的影響因素。利用工業(yè)互聯(lián)網(wǎng)實現(xiàn)設備故障診斷與預測性維護，降低了工人運維工作的強度，通過設備運行實時狀態(tài)監(jiān)測、自動預警和故障診斷維護，實現(xiàn)了對機器的安全運營，提高了設備可用率，推動了設備運維智能化發(fā)展。

（1）設備故障診斷

對設備的實時監(jiān)測有助于企業(yè)掌握設備的運行狀態(tài)，快速診斷設備的運行故障。過去，對于設備故障診斷首選的衡量指標是檢測平均運行長度和平均信號時間，但通過統(tǒng)計得到的運行狀態(tài)參考結(jié)果具有局限性。工業(yè)大數(shù)據(jù)的應用打破了這種局限，能基于機器的實時狀態(tài)進行準確的故障診斷與預測。

利用無線傳感器網(wǎng)絡和射頻識別技術(shù)，可以實時采集不同來源的設備監(jiān)測數(shù)據(jù)，結(jié)合支持向量機、深度神經(jīng)網(wǎng)絡等機器學習算法和模型對數(shù)據(jù)進行分析，幫助企業(yè)做出準確的故障預測和診斷。例如，基于動態(tài)增量主成分分析進行故障原因檢測后，再利用卷積神經(jīng)網(wǎng)絡識別故障類型，能有針對性地實現(xiàn)工業(yè)電機的實時故障診斷。

（2）預測性維護

預測性維護通過利用工業(yè)大數(shù)據(jù)和機器學習算法建立預測模型，在設備運行狀態(tài)監(jiān)測和退化機理經(jīng)驗的基礎上，盡早發(fā)現(xiàn)故障隱患和預測設備剩余壽命，盡可能延長設備的使用時間。例如，通過使用自組織映射和高斯混合模型等無監(jiān)督學習算法對不同工作制度的機器數(shù)據(jù)進行分類，針對不同類型的機器數(shù)據(jù)構(gòu)建預測性維修模型，從而做出維修決策，降低機器意外停工給企業(yè)帶來的成本。應用退化模型和貝葉斯方法對傳感數(shù)據(jù)進行分析，實現(xiàn)工業(yè)互聯(lián)網(wǎng)環(huán)境下基于事件驅(qū)動的機床狀態(tài)監(jiān)測和剩余壽命預測，根據(jù)剩余壽命合理安排工件生產(chǎn)任務，實現(xiàn)企業(yè)效益最大化。除了這些模型或算法，基于聚類、神經(jīng)網(wǎng)絡、支持向量機和隨機森林等算法構(gòu)建預測模型，及時準確地預測設備可能發(fā)生的故障，從而提高設備可用率，降低停機維修造成的損失，使設備在保障安全的前提下能夠合理超期服役。

3.4 運營管理

在客戶需求多樣且復雜的環(huán)境下，工業(yè)大數(shù)據(jù)的應用使企業(yè)數(shù)字化運營成為可能。工業(yè)大數(shù)據(jù)通過遺傳算法、神經(jīng)網(wǎng)絡、關聯(lián)規(guī)則、支持向量機、時間序列預測等智能算法或模型，幫助企業(yè)在供應鏈彈性優(yōu)化與協(xié)同、需求預測等場景下實現(xiàn)數(shù)字化運營。

（1）供應鏈彈性優(yōu)化

工業(yè)互聯(lián)網(wǎng)高度集成供應鏈上下游產(chǎn)生的海量數(shù)據(jù)，實現(xiàn)企業(yè)之間的連通與協(xié)同。利用算法和模型分析供應鏈的數(shù)據(jù)能輔助管理者做出及時準確的決策，實現(xiàn)供應鏈的高效運營、優(yōu)化與智能升級。供應鏈運行過程中可能因不確定情況發(fā)生中斷，利用數(shù)據(jù)驅(qū)動的方法分析破壞性歷史事件數(shù)據(jù)，將分析過程與穩(wěn)健優(yōu)化框架相結(jié)合形成的雙目標兩階段自適應魯棒分式規(guī)劃模型是內(nèi)生不確定性條件下的供應鏈彈性優(yōu)化的一種有效方法。在按訂單生產(chǎn)時，供應鏈存在各種動態(tài)波動，具有冗余的庫存、產(chǎn)能和運營能力，因此，優(yōu)化供應鏈的彈性對于提升供應鏈的產(chǎn)能與運行效益至關重要。

（2）需求預測

在激烈的市場競爭環(huán)境下盡可能準確地預測客戶需求是企業(yè)開展采購、生產(chǎn)、庫存等日?；顒拥那疤崤c基礎。通過對能源序列數(shù)據(jù)進行頻繁挖掘和 K-Means 聚類，分析家電與家電、家電與時間的關聯(lián)導致的行為消耗模式，反應消費者的預期舒適度，輔助公共事業(yè)單位提前計劃與平衡能源的供應與需求。基于并行神經(jīng)網(wǎng)絡的新型機器學習算法，用于魯棒檢測和電力需求的預測。

該算法增強了能源監(jiān)控與數(shù)據(jù)采集的能力，是電力行業(yè)在工業(yè)互聯(lián)網(wǎng)背景下實現(xiàn)服務化的一種穩(wěn)健預測方法。工業(yè)互聯(lián)網(wǎng)環(huán)境下工業(yè)大數(shù)據(jù)還被應用到制造企業(yè)的庫存優(yōu)化、配送優(yōu)化、精準營銷、金融服務、客戶關系管理等運營場景中。例如，終端產(chǎn)品通過加裝傳感器實現(xiàn)基于物聯(lián)網(wǎng)的產(chǎn)品追溯，通過大數(shù)據(jù)分析，制造企業(yè)可以了解用戶位置分布和客戶需求，使精準營銷、庫存與配送的優(yōu)化成為可能。制造企業(yè)在進行客戶關系管理時，引入分類或聚類算法，根據(jù)客戶歷史數(shù)據(jù)進行客戶群細分，以便進行交叉營銷和潛在客戶的挖掘，主動服務客戶，提高企業(yè)運營效率。工業(yè)互聯(lián)網(wǎng)也成為金融機構(gòu)與中小微企業(yè)對接的渠道與中介，通過數(shù)據(jù)分析助力金融機構(gòu)準確評估信貸風險，建立中小微企業(yè)的信用評級體系，改善中小微企業(yè)融資難的現(xiàn)狀。

4 結(jié)語

數(shù)字經(jīng)濟的發(fā)展帶來了工業(yè)數(shù)據(jù)的指數(shù)級增長。工業(yè)互聯(lián)網(wǎng)的發(fā)展尚處于起步階段，為工業(yè)大數(shù)據(jù)的應用提供了廣泛的基礎和廣闊的空間。工業(yè)大數(shù)據(jù)的應用在制造企業(yè)轉(zhuǎn)型升級過程中能夠帶來巨大的經(jīng)濟效益。工業(yè)大數(shù)據(jù)驅(qū)動應用的過程需要進一步深入探索。建議從以下方面深化工業(yè)大數(shù)據(jù)的利用，更好地發(fā)揮工業(yè)大數(shù)據(jù)的價值。

（1）建立大數(shù)據(jù)共享生態(tài)，實現(xiàn)數(shù)據(jù)資源的協(xié)同發(fā)展?；ヂ?lián)互通和開放共享對于數(shù)據(jù)的高效流通與利用至關重要。作為數(shù)據(jù)載體的工業(yè)互聯(lián)網(wǎng)統(tǒng)一工業(yè)數(shù)據(jù)和算法模型等調(diào)用接口標準，利用標識打造數(shù)據(jù)共享機制，基于區(qū)塊鏈建立數(shù)據(jù)安全機制和信任體系，從而促進大數(shù)據(jù)的開放共享。

（2）通過產(chǎn)學研協(xié)同加強大數(shù)據(jù)技術(shù)成果落地應用。制造企業(yè)、高校、科研單位緊密協(xié)同開展算法模型等創(chuàng)新研究，為制造企業(yè)培養(yǎng)工業(yè)領域的大數(shù)據(jù)技術(shù)人才，推動工業(yè)大數(shù)據(jù)技術(shù)成果的創(chuàng)新與落地應用。

（3）拓展工業(yè)互聯(lián)網(wǎng)環(huán)境下工業(yè)大數(shù)據(jù)的應用場景。工業(yè)互聯(lián)網(wǎng)作為新興產(chǎn)物，給制造業(yè)帶來了眾多發(fā)展機遇。深化工業(yè)大數(shù)據(jù)在設計階段用戶參與、工藝設計，生產(chǎn)階段的任務協(xié)同、閑置資源租賃，運營階段的產(chǎn)銷量預測、自動化庫存、成本管理、風險評估，增值服務等場景的應用，更好地促進企業(yè)數(shù)字化轉(zhuǎn)型。