MAIRS是智物聯(lián)提供的數(shù)據(jù)分析服務(wù)中的在線“人工智能”服務(wù)，是智物聯(lián)工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)分析服務(wù)系統(tǒng) INDASS 的一個(gè)延伸服務(wù)，提供工業(yè)設(shè)備連續(xù)運(yùn)行風(fēng)險(xiǎn)識(shí)別。
所謂風(fēng)險(xiǎn)識(shí)別，也就是判斷在未來時(shí)間段內(nèi)，發(fā)生風(fēng)險(xiǎn)的可能性，包括：設(shè)備出現(xiàn)故障的風(fēng)險(xiǎn)、設(shè)備出現(xiàn)運(yùn)行穩(wěn)定性問題（或者由于穩(wěn)定性而導(dǎo)致的各種問題）的風(fēng)險(xiǎn)，以及設(shè)備出現(xiàn)狀態(tài)突變的風(fēng)險(xiǎn)。
MAIRS實(shí)際上是一個(gè)工業(yè)數(shù)據(jù)的識(shí)別模型，就是針對(duì)工業(yè)數(shù)據(jù)的一系列的計(jì)算方法。我們就簡(jiǎn)單的把MAIRS理解為一個(gè)能對(duì)工業(yè)數(shù)據(jù)進(jìn)行識(shí)別的機(jī)器人吧。
MAIRS出生的時(shí)候，雖然有大腦，但卻沒腦子，因?yàn)?/span>MAIRS還沒知識(shí)。所以，我們要先培養(yǎng)它。所以，我們要對(duì)MAIRS做兩件事：
第一件，就是深度學(xué)習(xí)，也就是利用現(xiàn)有的數(shù)據(jù)樣本對(duì)模型進(jìn)行訓(xùn)練，就是讓MAIRS學(xué)習(xí)“知識(shí)”；
第二件，就是把學(xué)到的“知識(shí)”變成對(duì)設(shè)備運(yùn)行的狀況進(jìn)行識(shí)別的服務(wù)，對(duì)未來的各種風(fēng)險(xiǎn)做出判斷。
先說一下MAIRS的訓(xùn)練。所謂訓(xùn)練，就是用之前從很多設(shè)備中已經(jīng)采集到的數(shù)據(jù)，做成“訓(xùn)練樣本”，并用這個(gè)樣本，不停地對(duì)這個(gè)MAIRS模型進(jìn)行訓(xùn)練。這個(gè)訓(xùn)練可謂是“博采眾家之長(zhǎng)”，因?yàn)?/span>MAIRS是向所有同類的設(shè)備去學(xué)習(xí)，這樣，即便是面對(duì)一臺(tái)新上線的設(shè)備，也能預(yù)測(cè)出這臺(tái)設(shè)備從來沒出現(xiàn)過的情況。同時(shí)，MAIRS的學(xué)習(xí)訓(xùn)練是一個(gè)“活到老學(xué)到老”的過程。不間斷的學(xué)習(xí)，讓MAIRS的知識(shí)不斷豐富，識(shí)別的準(zhǔn)確度不斷提高。
我們重點(diǎn)說一下MAIRS識(shí)別的事情。.
還記得INDASS吧，設(shè)備的實(shí)時(shí)數(shù)據(jù)在INDASS里面進(jìn)行了指數(shù)的計(jì)算，除了指數(shù)的水平，在MAIRS里面還對(duì)指數(shù)做了三維梯度計(jì)算。也就是說，我們除了要了解當(dāng)前指數(shù)的水平，還需要知道這個(gè)指數(shù)是怎么變化過來的。就像股票指數(shù)一樣，雖然都是3000點(diǎn)，但是，從3500點(diǎn)掉下來的，還是從2500點(diǎn)漲上去的，含義完全不一樣。除了指數(shù)和指數(shù)梯度以外，剩下的就是設(shè)備的特征值了，什么溫度壓力電流電壓之類的。
首先要明白一點(diǎn)，MAIRS的數(shù)據(jù)來源是INDASS，也就是智物聯(lián)的數(shù)據(jù)分析（計(jì)算）服務(wù)。那么，MAIRS判斷出什么結(jié)果呢？
我們看到的是，我們的識(shí)別分成了幾個(gè)部分：
（1）綜合評(píng)估。前面是計(jì)算出來的數(shù)字，是一個(gè)組合數(shù)值，代表一系列可能發(fā)生的情況；后面是標(biāo)識(shí)，比如，N，OQ，OA，OF等等，分別代表可能出現(xiàn)的情況：
• N 代表Normal，就是一切正常；
• OQ 代表 Over Quota，代表可能出現(xiàn)數(shù)據(jù)超出正常范圍；
• OE 代表 On Event，意思是可能出現(xiàn)了某些意外事件；
• OF 代表 On Fault，意思是可能已經(jīng)出現(xiàn)了某些故障；
• OA 代表 On Alert，意思是可能出現(xiàn)了某些報(bào)警。
（2）在4個(gè)預(yù)測(cè)區(qū)間（10、30、60、和90分鐘）出現(xiàn)故障、穩(wěn)定性和突變風(fēng)險(xiǎn)的概率（0.00 ~ 1.00，也就是 0% ~ 100%）。這里要說明是，這個(gè)預(yù)測(cè)是基于“連續(xù)運(yùn)行”的預(yù)測(cè)，也就是說設(shè)備中途不會(huì)出現(xiàn)啟停的情況。
MAIRS模型是專門為工業(yè)設(shè)備運(yùn)行識(shí)別而設(shè)計(jì)的，與其他AI（人工智能）應(yīng)用是有區(qū)別的，并不是簡(jiǎn)單地去“學(xué)習(xí)一萬張貓的照片，然后去識(shí)別一只貓” 這么簡(jiǎn)單。首先，MAIRS是一個(gè)動(dòng)態(tài)識(shí)別模型，道理很簡(jiǎn)單，因?yàn)閮H僅根據(jù)當(dāng)前的設(shè)備參數(shù)，溫度壓力，電流電壓頻率什么的，不僅不能判斷未來會(huì)怎么樣，就算是當(dāng)前是什么狀態(tài)其實(shí)都很難判斷。
這就是為什么，我們除了需要去識(shí)別指數(shù)的水平，還需要識(shí)別指數(shù)變化的梯度。指數(shù)變化梯度實(shí)際上是一個(gè)數(shù)學(xué)概念，意思是指數(shù)變化的方向和變化的程度。換句話說，MAIRS識(shí)別的依據(jù)不僅僅是指數(shù)的水平，而且還有指數(shù)的變化。
我們舉個(gè)例子就明白了：假設(shè)我們根據(jù)當(dāng)前上證指數(shù)，去判斷股市形勢(shì)。其實(shí)，我們從當(dāng)前3000點(diǎn)，并不能得知什么；但是，如果我們知道，今天的3000點(diǎn)，是從2500點(diǎn)漲上來的，那基本就能判斷股市是逐漸趨好，如果這是三天內(nèi)的事情，那就是股市暴漲，如果是三個(gè)月的事情，那只是逐漸趨好；同理，如果我們知道，今天的3000點(diǎn)，是從3天前的3500點(diǎn)跌下來的，那肯定能判斷股市在暴跌。
在同一個(gè)預(yù)測(cè)區(qū)間里面，實(shí)際上預(yù)測(cè)了三件事情：故障、穩(wěn)定性和突變。
（1）故障，這個(gè)容易理解，就是在這個(gè)預(yù)測(cè)區(qū)間出現(xiàn)故障的可能性。
（2）穩(wěn)定性，意思是，在預(yù)測(cè)區(qū)間里面，設(shè)備出現(xiàn)穩(wěn)定性問題，或者由于穩(wěn)定性問題而引起其他設(shè)備問題的可能性。我們應(yīng)該還記得INDASS里面對(duì)設(shè)備參數(shù)穩(wěn)定性的計(jì)算，這里實(shí)際上就是根據(jù)INDASS對(duì)各重要參數(shù)穩(wěn)定性的計(jì)算，對(duì)設(shè)備穩(wěn)定性所做的整體穩(wěn)定性趨勢(shì)判斷。
（3）突變，就是會(huì)出現(xiàn)狀態(tài)上的突變，比如，設(shè)備崩潰就是一種突變。舉個(gè)極端的例子，一臺(tái)設(shè)備，額定壓力是10MPa，到15MPa的時(shí)候，就超出了安全閾值，但是，一旦到了20MPa，就可能會(huì)發(fā)生爆炸，這就是突變。MAIRS根據(jù)突變的折疊模型進(jìn)行擬合，對(duì)設(shè)備的連續(xù)運(yùn)行做出區(qū)間的突變風(fēng)險(xiǎn)的預(yù)測(cè)。
