可采用深度学习、迁移学习、强化学习、贝叶斯网络及关联规则挖掘等Р人工智能算法模型和大数据分析算法模型。 РР6.1.4.2 人工智能算法和分析模型 РР 在数据预处理的基础上，面向设计、制造和服务等各阶段不同的应用场景，从数据存储与管理系统Р中抽取历史或实时数据以建立相应的分析模型，进而利用智能算法对模型进行求解，为各阶段的业务交Р互和应用决策提供信息或知识。 РР6.1.4.3 产品设计数据增值 РР 面向设计阶段的应用需求和应用场景，可基于人工智能算法和分析模型，对与复杂产品设计相关的Р数据（如市场需求、功能需求和设计指标等）进行深度挖掘与分析，提取数据中有价值的信息与知识，Р为设计阶段业务（如用户需求识别、产品概念设计和功能结构设计等）的决策和优化提供增值服务。 РР6.1.4.4 产品制造数据增值 РР 面向制造阶段的应用需求和应用场景，可基于人工智能算法和分析模型，对与复杂产品制造相关的Р数据（如产品加工参数、加工状态数据和装配数据等）进行深度挖掘与分析，提取数据中有价值的信息Р与知识，为制造阶段业务（如加工参数优化、产品质量检测与分析和产品装配过程控制等）的决策和优Р化提供增值服务。 РР6.1.4.5 产品服务数据增值 РР 面向服务阶段的应用需求和应用场景，可基于人工智能算法和分析模型，对与复杂产品运维服务相Р关的数据（如产品运行状态、使用环境、故障特征和维修记录等）进行深度挖掘与分析，提取数据中有Р价值的信息与知识，为运维服务阶段业务（如远程在线诊断、零部件寿命预测、预防性维修和备件备品Р预测等）的决策和优化提供增值服务。 РР6.1.5 大数据存储与管理 РРР 5
全文预览
