引言
在这个万物互联的时代，科技的进步正以不可阻挡之势，深刻地影响并重塑我们的生产和生活方式。数智化转型升级在各个领域展现出强大的动力，已经成为推动社会向前发展的关键力量。
最近，云和恩墨自主研发的数据智能分析处理平台 zAIoT 在军工、科研院所和机械制造三大场景陆续实现商业落地，为客户的数字化升级提供了智能解决方案。
01
军工领域------态势感知的赋能者
态势感知 主要是指对来自软硬件系统的大量数据进行综合分析和评估。这需要从多个系统中采集数据，随后通过复杂的分析和建模来提炼有价值的信息，以支持决策。实时的态势数据具备高精度 、高可靠性 、实时性 和大数据量等特点。
针对态势感知场景，zAIoT 通过以下三个解决方案实现相关功能：
1►
云边数据态势分析
首先是云边结合的数据采集框架：通过边缘端模块在各个系统采集各类系统数据，对数据进行解析和处理，将核心数据发送到中心端进行数据汇聚。中心端会把态势异常模型下发到边缘端运行，边缘端会实时分析对应业务系统的运行状态，中心端对各个边缘端上传的分析结果，进行综合分析、信息挖掘和态势决策评估。
2►
基于规则引擎的实时数据处理
不同业务系统的数据反映出不同感知端的态势信息，通过 zAIoT 的规则引擎注册特定的数据处理模块，以"拖拉拽"的形式生成对应的实时数据分析处理流程。
对于特定场景的数据处理规则，zAIoT 提供了代码编辑的二次开发IDE工具，定制化处理规则调试完成后，可以直接注册到数据处理规则中，用于实时数据的处理。
3►
数据可视化工具
通过 zAIoT 自带的数据可视化编辑工具，对整个实时态势感知数据可视化展示，基于2D/3D模型组件的数据驱动，通过界面可以自主定义和编辑需要展示的数据可视化界面。每个组件可以通过"数据绑定"对接不同类型的数据源，同时也可通过可视化界面接收的"事件"，通过"南向"传送控制指令到设备端，实现对设备的反向控制。
综上所述，zAIoT 智能分析处理平台实现了从数据采集、实时处理，到智能分析、态势可视化的一站式解决方案，为用户在监控场景提供了智能化服务。
02
科研院所------科研创新的加速器
某大型装备科研院所在进行前沿技术突破时，需要针对具体场景进行AI算法的调用与开发。在使用数据进行AI训练与建模的过程中，用户存在如下痛点与挑战：
-
试验过程中，数据是持续更新的，如何确保模型训练能够反映最新数据变化是一个挑战；
-
科研人员需要对模型训练的算法参数进行调整，以及对算法执行过程进行监控，但现有工具通常难以实现；
-
虽然存在众多通用算法，但直接应用于特定领域的故障诊断或科研问题时，往往缺乏可解释性。
针对上述问题，zAIoT 提供了如下三个解决方案：
1►
智能算法训练
针对数据训练，zAIoT 提供了拖拽式的低代码算法编辑界面，能够通过选择对应"数据源"的数据类型（实时批量数据或离线全量数据）作为整个训练算法的数据接入，然后对训练完成后生成的算法模型输出保存，保存的模型可以应用到具体数据分析业务当中。
每一个训练任务都可以设定该训练任务的"执行策略"。例如对于周期性输入数据的数据源，可以通过设定周期时间进行周期任务的设定。此外，执行策略还支持"仅执行一次"和"固定时间"两种模式。
2►
算法参数配置与运行信息监控
用户可通过 zAIoT 提供的算法参数配置功能完成数据与算法的对接，然后调试整个算法流程。运行过程的信息能够在线监控和观察。
3►
故障诊断可视化
zAIoT 可通过算法实现对设备数据的故障诊断，并把故障部分进行可视化，便于业务端做分析定位。
设备最终的传感器数据通常位于整个故障树的末端（即：叶子结点）。zAIoT 绑定了数据源的故障树分析工具，帮助客户快速定位出现故障的设备子系统。此外，在分析过程中，用户可以通过执行诊断算法和打快照的方式生成诊断报告，完成故障分析闭环。
自动化数据处理和模型训练流程，减少了人工介入，大大缩短技术攻关周期。zAIoT 提供的基于实时数据的精准分析，帮助科研人员做出更加科学合理的判断和决策。智能算法平台的通用性和灵活性支持多领域数据融合分析，为促进不同学科间的交流合作，开拓了新的科研方向。
03
机械制造------智能生产的守护者
在机械制造中，高效的设备运行和生产过程管理是企业竞争力的关键。随着智能制造的推进，国内某头部机械制造商面临着生产复杂性和设备维护难度大的挑战，主要包括：
-
生产流程涉及多道工序、多个车间及大量设备，信息孤岛现象严重，难以有效监测生产效率、设备利用率、质量合格率等关键指标，影响了生产优化决策的制定；
-
缺乏有效的分析手段来建模离散型制造业的生产过程，难以拉通管控整个产线的生产任务。
针对上述机械制造业的痛点，zAIoT 给出的解决方案是：
1►
设备实时监控与KPI的高效计算
通过 zAIoT 的实时数据接入功能和可视化组态工具，用户能够快速构建相应的实时数据监控面板，并且通过数据告警规则配置，把故障数据标红显示出来。
整个工控产线的监控，需要通过特殊的分析指标来实现，例如设备利用率、设备综合效率（OEE）、设备停机率、设备故障率等。这一系列指标是通过对过往一段时间内保存的数据计算出来的，可以综合反映整个产线的生产效能。
2►
基于知识图谱的生产过程管控
该机械装备生产企业属于离散型制造业，从接收订单到组装交货，中间存在着成百上千道工序。如何有效通过数字化和智能化手段调配生产原材料和有效产能，成为了企业转型的关键。
zAIoT 提供了知识图谱工具用于描述整个生产流程。首先是把不同维度的流程定义成不同层级的结点，同层级结点之间是前后序关系，不同层级结点之间是业务包含关系。
定义好上述图谱之后，构建图数据的过程支持批量导入和手动输入图谱。在进行生产在线分析时，各结点之间存在的关联规则通过规则引擎的方式注入图谱的检索和查询过程中，并返回生产推演结果。例如：对于输入的订单产量，通过对整个流程图谱的分析和遍历查询，发现在"组装"结点和"库存量"结点上产生了预警，原来是因为通过从其他系统中得到的数据显示，当前产线组装产品的产能和实际库存量之和无法满足订单需求，因此引发了预警，提示需要重新调配产能或者增加库存。
通过 zAIoT 的解决方案，设备实时监控与分析指标能够确保生产线稳定运行，提高生产效率和产品合格率。用户通过知识图谱构建的生产流程管控方案，还能够对整个生产运转过程进行推演与监控，减少不必要的返工和生产中断。
展望未来，zAIoT 不仅将继续深化在现有领域的应用，还将拓展至更多领域，为推动技术进步、促进产业升级贡献自己的力量。我们有理由相信，数智化将无缝融入生产和生活的每一个角落，带来前所未有的便捷、智能与安全体验。
数据驱动，成就未来，云和恩墨，不负所托！
云和恩墨创立于2011年，是业界领先的**"智能的数据技术提供商"** 。公司总部位于北京，在国内外35个地区设有本地办公室并开展业务。
云和恩墨以"数据驱动，成就未来"为使命，致力于将创新的数据技术产品和解决方案带给全球的企业和组织，帮助客户构建安全、高效、敏捷且经济的数据环境，持续增强客户在数据洞察和决策上的竞争优势，实现数据驱动的业务创新和升级发展。
自成立以来，云和恩墨专注于数据技术领域，根据不断变化的市场需求，创新研发了系列软件产品，涵盖数据库、数据库存储、数据库云管和数据智能分析 等领域。这些产品已经在集团型、大中型、高成长型客户以及行业云场景中得到广泛应用，证明了我们的技术和商业竞争力，展现了公司在数据技术端到端解决方案方面的优势。
在云化、数字化和智能化的时代背景下，云和恩墨始终以正和多赢 为目标，感恩 每一位客户和合作伙伴的信任与支持，"利他先行" ，坚持投入于数据技术核心能力，为构建数据驱动的智能未来而不懈努力。
我们期待与您携手，共同探索数据力量，迎接智能未来。
