在過(guò)去幾十年中，隨著各類大型系統(tǒng)性能的日益提高以及復(fù)雜性和集成度的急劇增加，使得重要裝備的維修保障費(fèi)用也急劇增加，傳統(tǒng)模式下帶來(lái)的巨大財(cái)力、物力和人力的耗費(fèi)讓相關(guān)企業(yè)愈加難以負(fù)擔(dān)。通過(guò)近十年來(lái)，以機(jī)器學(xué)習(xí)為代表的人工智能技術(shù)發(fā)展迅猛，在學(xué)術(shù)界和產(chǎn)業(yè)界都發(fā)揮著巨大的實(shí)用價(jià)值，正在成為故障預(yù)測(cè)與健康管理技術(shù)對(duì)重要突破口，該技術(shù)是對(duì)傳統(tǒng)方式的改進(jìn)與完善，極大降低企業(yè)負(fù)擔(dān)。

?

力維智聯(lián)?Sentosa數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)平臺(tái)，通過(guò)對(duì)關(guān)鍵設(shè)備在復(fù)雜系統(tǒng)環(huán)境下的海量歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)訓(xùn)練，預(yù)測(cè)設(shè)備未來(lái)健康狀態(tài)。

?

具體而言，針對(duì)設(shè)備自主健康管理引入Sentosa數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)平臺(tái)主要通過(guò)業(yè)界主流先進(jìn)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(guò)平臺(tái)內(nèi)數(shù)據(jù)預(yù)處理算法、自動(dòng)特征工程算法、主流機(jī)器學(xué)習(xí)與深度學(xué)習(xí)算法、模型自動(dòng)訓(xùn)練方法，最終實(shí)現(xiàn)面向設(shè)備的多算法聯(lián)合診斷與智能診斷模型開(kāi)發(fā)。再將算法模型從平臺(tái)中導(dǎo)出并集成到設(shè)備現(xiàn)有的管理系統(tǒng)中，進(jìn)行狀態(tài)參數(shù)準(zhǔn)確預(yù)測(cè)及故障的準(zhǔn)確預(yù)測(cè)，形成智能化的設(shè)備自主健康管理。