打开凤凰新闻，查看更多高清图片
本产品由昆仑数据投递并参与“数据猿年度金猿策划活动——2020大数据产业创新服务产品榜单及奖项”评选。
基于装备数据资源化管理和智能分析服务化支撑，赋能工业技术专家，加速工业技术知识的数字化验证和软件化部署，帮助装备制造企业快速启动服务化业务创新和规模化应用变现。
应用场景/人群
场景1 – 模型研发和知识沉淀
基于算子的非编程拖拽开发能力，帮助工业专家对行业知识进行快速的形式化建模。再利用K2Assets所管理海量数据和自动并行化机制，对所沉淀的知识进行量化学习和全工况验证，并将验证后的分析模型应用到设备实时运行控制中去。
场景2 – 远程诊断和健康评估
设备数据资源化管理能力，对设备运行过程中产生的各类数据进行远程接入，进行存储优化。利用存储的历史数据对设备运行状况进行定期评估，识别设备运行故障，自动生成分析报告，以指导现场运维人员的故障诊断和运维决策。
场景3 – 设备故障实时预警
实时数据接入和流数据分析能力，对设备运行产生的实时数据进行分析（通常部署在设备现场），对设备后续运行过程中可能产生的故障进行预警，并将告警结果实时推送到现场运维人员，用以辅助现场运维人员进行后续设备维护操作。
场景4 – 云端协同专家分析
云端协同能力，利用在设备现场部署的端侧模型运行容器，在指定事件发生时（如故障）对设备运行过程中产生的数据进行预处理分析，并将预处理结果发送到远端专家，由专家对预处理结果进行解读、研判，形成分析报告及操作建议，推送回现场，用以指导问题的理解和解决。
产品功能
●设备数据明了易用
海量设备数据“孤岛式”零散存储在不同系统，且格式不一，客观要求使用复杂的IT技术对其进行有效管理、存储，但同时也增加了数据理解和使用的复杂性及不便，如何使其简单易用？
●知识软件化有章可循
大量工业知识沉淀在个人的脑子里，如何快速量化沉淀？经验都是一对一的传承，易流失，如何持续积累？知识和经验的积累时间周期长，如何快速验证迭代？
●本地与远程按需协同
工业知识部署应用环境复杂，如何能匹配工业企业实际生产环境和需求？如何支持工业知识的调试运行和迭代更新？如何确保分析应用运行的稳定可靠、简单易维护。
产品优势
1.对设备资产建立数字化管理模型。建立数据及设备资产管理标准与规范，按照标准规范要求，通过平台建立设备资产数字化管理模型，将电站、机组、设备、模块、模型、特征、案例、测点、运行数据管理等全部建立数字模型，固化和标准化设备资产对象的定义、存储和管理。
2.自主研发工业大数据处理技术，解决多源、海量、高通数据接存管用问题。系统设计容量满足未来5年500台以上机组数据的接入，能够支撑100PB以上数据存储与管理规模，并且可以根据实际数据接入情况进行动态扩展。
使用客户/人群
服务了金风科技、陕鼓动力等行业领导企业，目前接入设备数3w左右。
市场价值
对设备提供商来说：
1. “云+端”智能诊断云平台，推动企业服务数字化转型，为智慧电站、智慧电网提供创新性技术支撑能力，开拓后服务市场业务，打造新的可持续的后服务市场商业模式（例如支撑了昆仑数据某客户未来5年30%服务收入增长）。
2.通过服务的数字化，利用海量设备运行数据的汇集和分析模型的开发应用，为产品研发、制造提供高价值输入，提升产品质量和创新能力，引领装备升级。
3.专家知识得以积累和传承，工业模型被软件化，通过不断迭代和精化，为智能机组、智慧机组的发展奠定基础。
对设备使用方来说：
1.通过设备制造商与业主间数据、模型的流动，构建可持续改善的闭环管理，提升设备运行的健康管理能力、提高机组运维效率、降低设备整体运维成本。为减少非计划停机时间，机组运行维护由计划性检修向状态修转变提供有力支撑。
2.通过智能诊断系统帮助业主推行 “无人值班，少人值守”的运营模式，利用智能诊断手段和新技术促进人文关怀。
3.为现场处置人员从发现问题、定位问题到获得处置措施，提供端到端闭环解决方案，能够大大缩短问题研判时间、获得更多专业支持、提高问题处置效率和成效。
产品所属企业·昆仑数据：
昆仑数据是工业大数据领域的领军企业，成立于2014年12月，创始团队来自IBM、华为、西门子等信息科技与工业企业，以及清华大学等国内外知名研究机构，受邀参与制订《中国制造2025》工业大数据技术路线图，蝉联“中国大数据企业50强”，发起成立并主导运营工业大数据制造业创新中心，致力于用大数据和人工智能技术，推动中国工业智慧升级。
我们拥有荣获“2017 年制造业与互联网融合发展试点示范项目”、“中国工业大数据最佳产品奖”的自主工业大数据管理分析平台，以及荣获工业数据分析知名国际赛事 PHM Data Challenge 世界冠军的业界资深数据科学团队，我们立志做工业企业的大数据合伙人，帮助企业提升质量及效率、降低风险及资源消耗、推动产品和业务模式的创新。
目前已服务新能源、石油天然气、钢铁、电子制造、工程机械、环保、动力装备、化工等领域。