个性化的APP应用,满足客户个性化需求(灵活配置、多租户);
支持远程升级,功能更加丰富,覆盖更多角色和业务场景(如维修智能助手);
模块化开发,共性组件的重复使用,更快的客户需求响应速度;
具有通用接口,便于与其他系统集成协同,数据互通;
构建业务、数据双中台,更强大的中后台支撑前端开发;
云原生应用,支持多种部署模式和灵活布控;
基于当前主流、领先的容器、微服务的软件开发架构(云原生架构);
更强大的算法库支撑(标准算法库、故障特征库、扩展算法库);
更丰富的大数据分析组件(分布式数据存储、大数据分析组件如Spark);
通用化的组件和功能模块,提高软件模块化和共享度,缩短开发周期;
轻量化、服务化、低耦合,基于开源平台,可选择可替换,建设模式和供应商中立;
采用超融合架构搭建私有云环境,支持弹性扩展;
资源统一管理统一运维,运维效率大幅提高,运维成本大幅降低;
高可用,稳定性和可靠性大幅提高;
支持边缘计算,部分健康诊断和数据过滤算法可由边缘计算完成;
支持与云端协同,边云协同应用进一步提高系统计算能力和响应速度;
支持多种类型的数据传输方式和通信协议,设备接入能力提升;
对产品硬件端的传感器部署、边缘计 算部署、软件功能部善等进行设计, 支持主流的协议转换,以及其于4G, 5G等方式的数据采集,实现多种物联 网设备的高并发控入
对设备端采集的数据进行多样化处理 包括一致性检查、无效值处理、孤立 值处理、缺失值处理等,井应用聚类 算法,深度神经网络等A算法对鼓据 进行自动清洗。
主要完成PHM所涌盖业务应用场景的 所有海量数据存储要求,对数据进行 分层、分类管理,确保数据的唯一性、 完整性、可追溯性等,同时要满足高 效、及时的处理要求
主要充成传感器选型与明确监测参数 海量监测数据预处理如奇异值剔除、 数据平滑处理、数据降噪等)》,监测 数据特征拐取(如时域特征、频域特征 时频域特征)等,同时对设备异常状态 进行监测并预警
主要基于海量监测数据,采用支持向 量机、神经网络等人工智能尊法,完 成产品的健康度评估,实现早期异常 报警、亚健康状态报警等。
主要基于海量监测教据,采用卷积神 经网络、循环神经网络等深度学习算 法,实现产品的故障诊断与分析,实 现产品故障的快速精确诊断,给出相 应的维修建议,同时故障分析与诊断 算法能够实现自学习自进化。
实现与企业售后服务等系统的集成, 甚于健康状态报警、故障诊断分析等 结果,确定故障等级、影响范国、影 响程度、故降位置与原因等,制定相 应的维修维护措施。
主要采用柱状图、折线图、雷达图、 散点图、饼图等图形以及表格,可视 化地星现状态监测、故障诊断、健康 状态评估等结果,便于用户了解分析 诊断结果,同时,用户也可以查询历 史的海最监测数据
主要包括角色管理、权限管理、密码 管理、日志管理、设备注册、设备增 减、设备定位管理、用户运维辖区管 理、数据加密管理、远程升级等管理
康尼应用PHM推动了数字化地铁车门从车门数据采集、状态监测、故障诊断及亚健康预警、产品维修、故障分析与改进全过程的闭环管理,实现车门故障诊断准确性、亚健康预测准确性的提升,以及运维成本的降低,产品稳定运行时间提升等目标。