從數據收集、數據探索、數據分析應用,給客戶提供端到端的解決方案
利用機器學習和統計算法,探索能耗異常的相關數據,找到異常點,分析異常點規律
利用深度學習、統計算法和靜觀值理論,分析出設備、生產過程與能耗的關系
通過分析出的設備、生產過程與能耗的原因,供設備維護工程師調整優化從而降低能耗
搭建完整的設備能耗數據分析體系,構建預測分析模型,為企業生產過程中的能耗異常點處理提供決策支持
能耗異常值分析的典型案例
某汽車制造公司整車生產過程中將會產生巨量數據,包括能耗數據、生產數據、環境數據等,這些數據中蘊藏了巨大的價值,包括產品故障、生產優化的目標都可以從數據中進行挖掘。客戶需要我們對能耗和生產數據進行挖掘,找出異常點,希望分析出節約能耗的方向,并且對生產過程中的故障進行預測。
團隊高級咨詢顧問通過遠程以及現場溝通的方式為客戶提供了能耗異常值分析應用的全面咨詢服務。
項目組團隊入駐客戶現場調研,針對客戶企業運營情況以及客戶訴求,結合大數據分析產品,完成能耗異常值分析定制項目搭建方案。
通過前期的咨詢與調研,項目組團隊基于客戶訴求啟動項目研發工作,項目組完成能耗異常值分析的算法模塊,離線測試通過(不和業務系統對接)。
實施工程師和客戶對接,將我們的產品和方案,集成到客戶設備運維系統中,實現能耗異常值分析的目標。
項目團隊在實施完成后,為客戶進行了一個月的項目運行維護,做到了三分鐘響應,半小時處理,最終在試運行后,能夠完美融入客戶能耗管理系統中,客戶非常滿意。
83%
人工判斷異常準確率為50%,方案優化之后,可以提高到83%。100ms
人工判斷異常平均時間為10分鐘,方案實施之后,只需要100ms。32.3%
方案實施后,前處理節能32.3%。6.3%
方案實施后,電泳節能6.3%。