【1】 大数据驱动的工业过程监测/故障诊断

工业过程一旦发生异常工况通常会引起产品质量不达标、能耗增加、检修时间增长、设备寿命减少等后果，甚至可能引发安全事故。为了保障工业过程安全稳定运行，课题组基于工业大数据，结合数理统计，机器学习，人工智能等多学科，开展工业过程异常工况实时检测、诊断、分析等方法的研究，从而为及时处理异常工况提供有效信息支撑。

【2】 工业设备剩余寿命预测/健康管理

工业设备在运行过程中由于磨损、老化、侵蚀等原因会不可避免地发生性能退化，最终导致设备失效。工业设备失效不仅会影响正常生产，造成经济损失，还可能会引发事故。PHM技术能够通过设备运行过程中采集到的各类数据，分析设备的健康状态和失效演化规律，预测其剩余寿命，并根据预测结果以最小化风险和最小化成本为目标制定设备维护策略，从而在设备失效前进行替换、维修等操作，避免由于设备失效带来的各种损失。

【3】 流程行业数字孪生系统

数字孪生系统通过构建与物理实体生产线一一对应的虚拟孪生体以及数据实时互联互通，实现物理空间和虚拟空间的同步运行和虚实交互。通过多时空尺度的建模与融合，将实际生产过程中的“黑箱”设备白箱化，一定程度上解决了观测信息不完备的问题。同时，数字孪生系统的自主运行能力，将为新方法的应用和实施提供测试条件，降低试错成本。数字孪生系统将为物料配方优化、生产过程监控、设备健康管理、产品质量管理等工业应用解决方案提供充足的数据资源、丰富的模型基础和便捷的验证条件。