QomoAI制造业机器学习平台


——业务知识库模型化(KBM)平台

让经验模型化!让知识库共享化!让机器学习简单化!

QomoAI覆盖企业八大业务场景

财务与成本分析模型

客户画像与营销模型

设备心电图分析模型

全面质量追溯模型

生产控制与异常分析模型

供应链评估与优化模型

产品诊断与服务模型

高层决策与穿透模型

QomoAI 整体架构


 

QomoAI面向多样化业务提供封装算法快速实现知识库数学化与模型化

 帮助制造业用户脱离繁琐的工程化开发,以及算法搭建的高要求,把有限的精力聚焦于知识库的应用和迭代上。
 为用户提供从数据预处理、模型训练、模型评估、模型在线预测的全流程开发和部署支持;
 面向制造业八大业务提供成熟化算法套件;
如设备故障诊断算法:封装了业内最常见的算法,如聚类算法、SVM向量机算法、深度神经网络算法、玻尔兹曼机等;
 制造企业提供数据即可,利用模型快速验证,1-2天即可获取结果;
 减少企业对算法的选择难度,直接根据场景给出验证后的算法模型;

QomoAI将知识模型化的部署和应用时间提升60%以上

 制造企业提供数据即可运行模型,大大节约模型的开发与试错时间;
 中制大量经验沉淀,如设备故障与寿命特征快速提取;
 将人员精力释放并关注到模型迭代上;
如以前一个企业要构建一台核心设备故障知识库,需要3个月左右,通过QomoAI可以将时间缩短为1个月。

利用QomoAI机器学习平台可以节约90%以上的数据处理时间

 成功的机器学习模型建立在大量高质量训练数据的基础之上;
 内置数据过滤算法,对机器、业务产生的数据自动筛选,如采样、过滤、归一化、标准化等手段;
 可手动配置数据过滤引擎,实现对数据的多样化处理,如分表、合并等;
 拖拽式方式实现,不需要写代码。
 各类数据的处理方法沉淀在平台中,企业可以选择性调用;
 让企业大量时间花到模型上,而非数据处理中;
 支持在线和离线两个层面的数据处理;