• 产品
  • 行业
  • 工业物联网和解决方案
  • 服务
  • 公司
  1. moneo:IIoT平台
  2. 产品
  3. moneo DataScience Toolbox

moneo DataScience Toolbox

日益提高的产品和过程要求对整个生产过程提出了高要求。因此,使用工业生产中的传感器数据、数值和信息来尽快地自动化检测和消除产品和过程偏差(即所谓的异常)变得非常重要。

moneo DataScience Toolbox是一个软件工具套件,可基于人工智能来帮助您轻松监测和优化制造过程,而无需数据科学专业知识或编程技能。

AI算法使用传感器记录的数据。该数据由机器学习等先进技术使用,可确保实现优化的预测和状态监测过程。

智能算法会立即报告检测到的异常和模式、理解复杂的关联性并做出可靠的预测。

简而言之,moneo DataScience Toolbox可简化生产过程的监测和优化。另外,它还支持可持续地改进生产过程的质量,并有助于提高效率和显著降低出错率。

moneo DataScience Toolbox的作用

加快转型和规模化
利用向导式配置轻松构建和训练自己的AI/ML模型,而无需数据科学专业知识
提高生产质量
利用自定义的AI解决方案,自动检测生产过程中的异常和其他意外状态
提高机器和设备效率 (OEE)
利用自定义的警告和警报,减少意外损失、充分减少设备停机时间并提高设备综合效率

moneo DataScience Toolbox

moneo SmartLimitWatcher:
智能监测和优化生产过程。

moneo SmartLimitWatcher可基于被监测过程的状态生成动态阈值。一旦被监测变量的状态发生变化(即出现关键过程变量异常),它就会在早期自动发出警告和警报。

moneo PatternMonitor:
智能检测意外的过程变化。

moneo PatternMonitor可识别关键变量的结构变化。根据配置不同,它可检测趋势、波动性变化和水平变化,并自动生成警报,以便及早采取适当的措施。

区别和可能的组合

moneo SmartLimitWatcher适用于:

  • 多阶段或受控的过程
  • 专注于整个机器和设备

工作原理

  • 对整个系统进行建模来检测目标变量的异常

moneo PatternMonitor适用于:

  • 监测单阶段的固定、连续过程和设备
  • 专注于机器和设备的单个参数

工作原理

  • 识别关键过程值的结构变化

优势
moneo DataScience Toolbox和数据科学项目

  实施:
moneo DataScience Toolbox
  vs 实施:
您自己的数据科学项目

简单易用,同样适用于无数据科学技能的维护团队

 

需要求助数据科学家(昂贵,20k*)

自动化数据准备和向导式AI训练

 

需要内部项目架构

当与其他moneo模块结合使用时,可构建可扩展的集成解决方案

 

需要手动采集数据和处理过程

适用于广泛的应用,且能快速提供解决方案

 

项目持续时间最少3-6个月

可定制且可扩展,适用于从新手到专业人士

 

定制解决方案通常不容易转移和应用

出色的性价比

 

由于可扩展性受限,投资风险高