异常检测
无监督模型通过基于特定领域NVH参数推导出的特征向量，学习总成（例如变速箱）的正常行为。即使没有明确的NOK示例，任何偏离正常行为的情况都会被标记为异常。这有助于识别少见或新型的故障类型，发现配置错误，并减少手动测试的工作量。
Discom正在开发人工智能功能，以补充现有的、针对特定领域的故障检测算法。这些人工智能应用基于大量历史测量数据，这些数据集中存储在Discom数据中心（DDH）中。其目标是向客户提供有价值的人工智能功能，并在成功评估后将其集成到实时分析中。
人工智能的主要应用
技术特点
- 利用领域特定知识进行特征工程。
- 采用Discom自研AI模型进行异常检测。
- 将人工智能模型集成到 DDH 基础设施和 WebPal 中，以实现端到端的数据分析和可视化。
您的优势
- 早期故障检测：基于人工智能的异常检测可识别与正常行为的偏差。
- 优化参数设置：设置优化器（Setup Optimizer）基于生产数据有针对性地优化限值和测量参数，从而减少不良率。
- 主动监控：智能监控服务可识别趋势和异常值，并自动向您发送通知。
- 无缝集成与可扩展性：AI 模型和 DDH Python SDK 支持端到端的数据分析，并可轻松集成到主流机器学习栈中。
- 实施前的模拟：“仿真模拟”可在新的限值变更投入生产前，展示其对生产的影响。
您对以上内容感兴趣吗？
您是否有疑问？
您是否需要技术咨询?
