各阶段相互独立，即使机组增加结构也不变。
通过振动、电流、温度掌握状态与运行条件。
在现场仅通过FFT提取特征量并上传。原始波形单独保留。
按规格立即判定，通过训练好的模型得出异常分数与预测。
状态、趋势、健康度、阈值到达一目了然。报警从部件传播至机组。
判定振动的方法变更了三次。由于后者无法替代前者，因此将三者结合使用。
按 ISO 20816-3 区域(A/B/C/D)划分严重度。首日即可使用。
局限 — 每台机器的正常水平不同。
以正常区间为基准线，查看当前值是自身基准线的几倍。
局限 — 只能逐个查看数值。
划分区间，学习多种分支的“平时”。若不在任何分支中，则为异常。
分数为 σ。因为同时查看多个数值，所以在组合呈现前所未见的形态时即可捕获。
无需故障案例，仅凭正常数据即可学习。
告诉您有何差异、剩余多少、以及从何看起。
切分区间，将正常状态分多支进行训练。甚至能解析哪个值偏离了多少。
将趋势向前延伸，计算出剩余天数。若存在周期，连其形态也一并描绘。
无需代码，即可查看数值的实际变化。也可以用语言提问。
用一个公式创建，将结果保存为遥测数据，直接用于仪表板和报警。
针对当前显示的数值进行提问。先展示创建计划，按下才会执行创建。
预测性维护即使出错，也要很久以后才会发现。因此，我们在产品中内置了验证方法。 以下是从公开数据和已部署代码中直接测得的数值。
连同我们判断失误的案例，也一并记录在诊断方法论中。
每种算法容易出错的方面各不相同。因此由8种算法分别判定，并查看有多少种算法达成一致。 以下是在 Paderborn 轴承数据中将检测率调至100%后，仅对比误报率的数值。
| 8 种算法共识 | 5% | 100% | 采用 |
| 马哈拉诺比斯 | 10% | 100% | 单一 |
| kNN | 10% | 100% | 单一 |
这是旋转机械诊断中实际使用的值。不上传原始波形。
| 指标 | 单位 | 反映什么信息？ |
|---|---|---|
| vib_rms | mm/s | 整体振动烈度 — 依据 ISO 20816-3 标准判定 |
| vib_kurtosis | — | 冲击性信号 — 对轴承早期缺陷敏感 |
| vib_bpfo | g | 包络外圈故障频率成分 — 外圈损伤 |
| vib_bpfi | g | 内圈故障频率成分 — 内圈损伤 |
| vib_ord_1x | mm/s | 转频1次成分 — 不平衡 |
| vib_ord_2x | mm/s | 2次成分 — 不对中（以与1X的比值进行判定） |
| cur_motor | dB | 电动机电流 — 负载变化·转子导条缺陷(边带) |
| temp_bearing | °C | 轴承温度 — 润滑异常·过载 |
从服务器到推理，全部在内网中运行。设计上没有向外的路径。
整个平台均在此处。
绝不外传。
按工厂/厂区单位隔离数据。其他租户的机组根本无法查询。
设备通过 MQTTS·CoAPS 连接，浏览器通过 HTTPS 连接。通过网关证书识别设备。
高频原始波形不放入平台，而是存放在独立存储中，仅上传引用键。查询速度与保留策略独立管理。
请告知机组类型与数量，以及当前计量状态，我们将整理配置方案与预计日程并回复。 也可咨询封闭网络安装。
若能一并填写以下内容，我们将提供更具体的解答。