回顧政策，智能制造領域是《中國制造2025》的主攻方向，而在“十三五國家科技創新規劃”中，智能制造也是重點領域。數據顯示，2015年，我國智能制造產值約為1萬億元，預計2020年將超過3萬億元，年復合增長率約為20%。這個新區的建立旨在促進智能制造的發展。
怎麽做？
基於大數據的PHM，即故障預測和健康管理技術，是實現產業從“制造大國”向“制造強國”升級的關鍵技術之壹。
最近十年，物聯網連接了壹切。物聯網設備中的傳感器會產生前所未有的大量數據，但是這些數據並沒有得到很好的利用。如何將大數據和智能維護綁定，成為新的挑戰。
大數據驅動的PHM可以在充分利用機組海量數據的基礎上，通過機器學習、深度學習等智能建模技術，實現運行設備的特征提取、故障預警、故障模式挖掘和匹配，從而預測從關鍵設備到電網的各種對象的故障。
廣義而言，在工業制造領域以及飛機、火車、道路、橋梁等各種動態或靜態運行系統中，通過對復雜設備和部件的運行狀態數據進行監測和分析，可以實時、準確、全面地控制設備的健康狀況。如果能對這些設備的運行情況進行全方位的監控和預警，就能在設備出現故障之前做出準確的分析和預測，提前自動發出維護建議，保證每臺設備安全、可靠、持續運行。這就是工業大數據的設備健康管理。
重工業是PHM的用武之地？
尤其是石油化工、金屬冶煉、裝備制造等重工業領域，生產設備規模巨大，屬於重資產生產領域。特別是對於流程制造模式，需要保證整個生產設備的連續運行和生產的安全可靠。所以設備健康管理在這些領域更為重要，可以說重工是PHM發揮作用的地方。
可以想象，在智能工廠中，人、機器和資源像在社交網絡中壹樣自然地相互交流和協作，生產設備和裝置可以自我診斷和維護；在生產經營過程中，各種設備和裝置將以最佳狀態和最高效的方式運行；在故障發生前，系統自動感知、預測和自我維護，極大地滿足了客戶的成本、效率、環保和個性化生產的需求。