moneo DataScience Toolbox——人工智能
什么是SmartLimitWatcher？
SmartLimitWatcher是moneo Data Science Toolbox中的第一种工具，可以提供基于人工智能的生产解决方案。利用该工具，用户可以长期监测有关生产质量或设备状态（例如温度、流量、振动、当前消耗量等）的关键过程值（目标变量），并在早期自动检测到目标变量的异常。
SmartLimitWatcher利用历史数据进行训练，可以长期对实际测量值和预测目标值进行可靠对比。另外，该工具还可计算目标变量的动态期望范围（置信区间），从而能对目标变量的测量行为进行长期评估，并自动指示偏差。
不同于静态过程值监测，进行动态限制监测时，限值取决于机器和系统的当前过程状态。支持变量描述机器或系统的过程状态。动态限值基于这些支持变量通过数学模型计算而来。当发生偏差（异常）时，会自动发出警告或警报。
静态和动态过程监测的区别
成功使用SmartLimitWatcher的前提
- 至少需要2个过程值：
- 待监测的目标过程变量
- 至少另一个支持变量
- 可用的数据历史记录应包括足够的所需工作状态。（应对过程的所有循环进行多次记录。这对过滤器等应用来说很重要。）
- 待监测过程的目标变量与支持变量之间必须存在一定的过程关系（非线性/线性）。该关系必须由可用的数据进行适当描述。因此，所有机械耦合的系统都非常适合。（这里强调的过程关系无需通过公式来描述。）
- 针对监测示教的过程关系必须在未来也有效。（示例：针对待监测系统的变化需进行新的训练。）
- 不可使用由目标变量推导出的“人工”支持变量（例如通过计算得到）来监测目标变量。
- 相应地，目标变量值的变化与支持变量值的变化之间不应有过长的延迟。（示例：缓慢的热力学反应。）
- 不应考虑测量值受到严重干扰的过程，否则将无法建立精确的模型进行训练。
