在過去幾十年中，隨著各類大型系統(tǒng)性能的日益提高以及復雜性和集成度的急劇增加，使得重要裝備的維修保障費用也急劇增加，傳統(tǒng)模式下帶來的巨大財力、物力和人力的耗費讓相關企業(yè)愈加難以負擔。通過近十年來，以機器學習為代表的人工智能技術發(fā)展迅猛，在學術界和產(chǎn)業(yè)界都發(fā)揮著巨大的實用價值，正在成為故障預測與健康管理技術對重要突破口，該技術是對傳統(tǒng)方式的改進與完善，極大降低企業(yè)負擔。

?

力維智聯(lián)?Sentosa數(shù)據(jù)科學與機器學習平臺，通過對關鍵設備在復雜系統(tǒng)環(huán)境下的海量歷史數(shù)據(jù)進行數(shù)據(jù)挖掘和機器學習訓練，預測設備未來健康狀態(tài)。

?

具體而言，針對設備自主健康管理引入Sentosa數(shù)據(jù)科學與機器學習平臺主要通過業(yè)界主流先進的圖形化“拖拉拽”提供端到端數(shù)據(jù)分析與建模能力，通過平臺內(nèi)數(shù)據(jù)預處理算法、自動特征工程算法、主流機器學習與深度學習算法、模型自動訓練方法，最終實現(xiàn)面向設備的多算法聯(lián)合診斷與智能診斷模型開發(fā)。再將算法模型從平臺中導出并集成到設備現(xiàn)有的管理系統(tǒng)中，進行狀態(tài)參數(shù)準確預測及故障的準確預測，形成智能化的設備自主健康管理。