流程
从数据表到交通灯
PRECOG 每次评估一个指标。输入是一张简单的测量值表。结果是一盏汇总了 14 种以上算法的指示灯，以及一份较长期预测和背后的详细信息。
- 1. 输入一张表，包含周期、实际值、目标值、容差和指标方向。
- 2. 评估14 种以上算法对数值进行评估，并预测预警或严重警报。
- 3. 结果指示灯、较长期预测和详细信息。技术员会收到清晰的信息。
PRECOG AI 了解您项目的具体情况后，会给出更准确、更有针对性的预测。本页的示例数据来自真实测量。
预测示例
短期、中期和长期示例
这些图表是根据真实案例的描述绘制的示意图。其中所有指标都属于“越低越好”类型，显示的是电机的功率消耗。
长期预测：摩擦造成的磨损
系统对复杂资产中摩擦问题造成的磨损发出预警。根据每日测量，设备运行正常，线性趋势线没有变化。在第 23 个周期，由于 PRECOG 检测到异常运行，发出了琥珀色预警。
首次琥珀色预警之后，每天都会有新的预警。这给了维护人员两周时间进行检查并备齐所需的零件。两周后，预警达到红色级别，第二天维护人员便在任何故障发生之前完成了维修。从第 38 天起，能耗恢复到正常范围，预警消失。故障部件的维护和更换在不中断运行的情况下完成。
中期预测：大功率电机
一台大功率电机出现故障。每个数据点是每个 4 小时区间内测得的最高功率消耗。尽管趋势为负，仍给出了琥珀色预测。首次预警之后，在红色警报之前又发出两次琥珀色预警。最终功率消耗超过了目标值。
专业人员有足够的时间准备用另一台设备替换这台关键电机。这避免了停机以及对相关设备的损坏，运行安全也得以保持。维修之后，该设备可重新投入运行。
短期预测：突发的缺陷
系统检测到一个突然出现的严重缺陷。该资产一直在正常范围内运行，线性趋势线只显示出极轻微的上升。每个数据点是每个 2 小时区间内测得的最高功率消耗。在第 26 个周期收到红色警报。
红色警报发出后，操作员约有 4 小时来查找原因并开始处理。当时无法关停该资产、进行维护或切换到备用系统。维修后不久，系统重新稳定下来。操作员借助 PRECOG 即可确认这一点，因此无需再安排人员持续看守。
输入文件
输入文件及数据应包含的内容
输入是一张包含以下各列的表。每一列均可展开查看详情。
周期
采集数据的时间范围，按从最早到最近的顺序排列。可以是数值，也可以是日期和时间戳。数据可以汇总以覆盖更长的时间段，例如每分钟采集的测量值可以汇总为按天的数据。只要可能，汇总应在原始数据层面进行。
一般建议使用一致的时间间隔，例如天、小时或分钟，之后可汇总用于较长期的分析。在特殊情况下，例如复杂的室外机械资产，测量值可能含有噪声，并可能掩盖潜在问题，此时应提供尽可能多的高质量参考数据集，最好来自任一历史时期，至少 10 个。最后 6 条记录也应包含最新的数值，按一致的间隔测量或经过汇总。
实际值
被监控的资产或参数的测量值。输入文件至少要包含 6 条记录。
目标值
该物理特性不应越过的最大或最小阈值，取决于指标的类型。如果数值越高越好，则目标值为最大允许值。如果数值越低越好，则目标值为最小可接受值。
如果制造商没有规定目标值，则根据测试结果选取，使其落在图表中以蓝色标出的上下区间之外。这样可避免频繁发出警报。
目标值在整个数据期间内可以变化，并会影响预测。目标值的变化可以体现其他物理因素对资产的影响，例如温度、雨或其他环境影响。这类调整常用于室外设备，因为季节和天气状况可能影响资产。
目标值列还决定了较长期预测需要多少个周期。做法是添加所需的周期，填写目标值和容差，但不填实际值。建议为 6 至 10 个周期。不建议超过 14 个周期，因为不确定性呈指数增长，准确率会明显下降。任何额外的目标值都必须与最后一个实际测量值对应的目标值一致。从后往前看各个周期，与最后一个目标值一致的目标值越多，长期预测就越准确。
容差
相对目标值的允许偏差。这是一个狭窄的阈值，在该范围内设备仍可运行，超出后运行可能造成损坏。根据指标类型是“越高越好”还是“越低越好”，容差要加到目标值上或从目标值中减去。
越高越好
一个二值标志，取值为 TRUE 或 FALSE，取决于指标的性质。如果数值越高表示性能越好（也称绿、黄、红，即 GYR），则该列为 TRUE。如果数值越低表示性能越好（红、黄、绿，即 RYG），则该列为 FALSE。
结果的解读与评估
指示灯
分析最重要的结果是指示灯。它显示 14 种以上不同算法的汇总结果，这些算法可以预测指标的预警，或指示严重警报。更多信息见详细信息部分。
较长期预测
较长期预测使用多种预测算法，估计指标在较长时期内整体达标的概率。短期预测同样依靠多种算法，因此指示灯能给出合适的预测。
较长期预测会评估指标达标的概率，即使它尚未达标。周期数可以通过所设定的目标值来调整。一般来说，概率低于 70% 时，不达标的风险较高。
常见问题
我们的方案与一般的预测性 AI 方案有何不同？
简单地说，我们的 AI 在 7 年间使用了来自不同行业的数百万条真实数据记录进行训练，并以先进的数学方法为基础。
PRECOG 需要多少条记录才能成功评估？
至少 6 条。上限是一个合理的数量。
我们已经有目标值。容差有什么作用，二者有何区别？
目标值例如是制造商建议的输出功率，也可以在测试中确定。容差是一条狭窄的边界，在这一范围内设备仍能工作，但运行已有害。如果目标值就是设备会受损的极限，则容差必须为零。
我的设备有多种数据类型。如何评估？
算法每次处理一种数据类型。最佳做法是对每种数据类型分别运行。只要其中任何一种返回黄灯或红灯，整个评估就视为黄色或红色。为了体现季节、雨或温度等不同物理因素的影响，可以更改目标值。这主要对室外设备有意义。
周期如何计量：周、天、小时还是分钟？
您可以按自己的偏好选择，只要保持一致即可。
同一次评估中可以使用不同的时间单位吗？
可以。例如，前 10 个值可以按月，接下来的 10 个按周，最后 10 个按天。
客户需要多久才能从 PRECOG 中获益？
每种设备类型的项目通常需要 2 至 4 个月。这适用于从最低成熟度等级起步、并希望达到最高等级的情况。推广之后，还有 2 个月的观察和调整期。
想和我们一起梳理您自己的数据吗？