Key Benefits

自动化分析过程

无需在统计分析或复杂数学方面有经验。 ThingWorx Analytics中使用的AI和机器学习技术可自动完成为IIoT应用程序创建数据驱动洞察所涉及的大量复杂分析流程。

数字模拟

模拟数字世界中物理产品的行为,并将仿真模型合并到您的解决方案中。在产品在现实世界中运行时,利用这些模型的知识。

预测建模和评分

ThingWorx Analytics使用预测分析算法和机器学习技术,分析来自连接设备的数据,以查找数据中的模式并生成预测模型。物联网解决方案中的预测模型可以预测未来的预期结果,从而优化业务流程。

实时异常检测

通过异常检测,您可以观察设备中的数据,了解典型状态,并监控超出预期范围的数据点。异常检测输出可以轻松集成到IIoT解决方案中,以触发警报并帮助您的应用程序用户确定何时采取措施。


组件

  • 自动化复杂计算并生成预测,模拟和处方。
  • 利用来自您的物品的数据以及作为学习源的历史数据,Analytics Server使用机器学习来构建和验证预测模型,而无需统计学家的帮助。
  • 采用复杂的预测建模算法,以确定用于每个数据集和预测主题的最佳算法。 ThingPredictor和ThingOptimizer可以立即使用这些预测模型来执行预测,模拟和确定建议。
  • 显着减少或消除了建模算法或技术的专家团队的需要。
  • ThingWatcher是一个Java API,可用于在您的IoT应用程序中构建异常检测功能。
  • ThingWatcher从边缘设备捕获数据,自动观察并学习正常状态模式,并使用这些结果来训练和生成用于检测异常的模型,而无需设置规则或应用预计算。
  • 在对模型进行训练和验证后,ThingWatcher会根据模型从受监控设备中获取新的流数据,以实时检测可能的异常情况。
  • ThingWatcher可以在任何位置,云或边缘使用。通过在边缘部署ThingWatcher,您可以监控在云中难以或无法处理的高速数据流。
  • ThingPredictor提供ThingWorx Analytics的预测评分功能。
  • 它使用由ThingWorx Analytics Server生成的预测模型或等效的预测模型标记语言(PMML)兼容预测模型生成工具来检查数据集,并根据与模型训练期间分析的记录的相似性预测每条记录的结果。
  • 使用ThingPredictor,您可以将事物订阅到相关的基于结果的预测(故障时间,每小时错误等),并通过任何以ThingWorx为动力的解决方案或经验在上下文中显示结果。
  • 可以通过REST API服务,Analytics Builder或Analytics Manager访问ThingWorx Analytics预测评分。
  • ThingOptimizer提供ThingWorx Analytics的规范性评分和优化功能,允许您通过自动识别影响因素来扩展分析过程,而不是预测结果,以及了解修改如何影响结果。
  • 在启动操作之前执行临时结果模拟,并确定最佳设置以最大化结果或最小化风险。
  • 确定与预测结果相关的关键因素。
  • ThingOptimizer使用由ThingWorx Analytics Server生成的预测模型或等效的PMML兼容预测模型生成工具。
  • 提供用户界面,实现与数据的简单直观交互。
  • 将复杂的数据读数转换为易于理解的信息,简化高级分析过程,帮助更快地解释信息。
  • 支持,数据和元数据上传,预测模型创建(培训和评分),数据分析可视化(配置文件,信号)以及数据过滤。
  • 允许您从ThingWorx平台内的外部应用程序部署和执行计算模型。
  • 利用PTC和第三方工具开发的基于产品的分析模型,同时在ThingWorx平台上构建解决方案。