SkyFront-數據驅動-智能升級2025年3月14日傳統工業產品正在向智能互聯演進《物聯網時代的企業競爭戰略》產品智能“七個階段”2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.3DataAcquisitionDataManipulationConditionDetectionHealthAssessmentFaultPrognosticsDecisionSupportHumanInterfaceL1數據采集DA數據處理DM狀態檢測CD健康評估HA故障預警FP運維決策DS人機交互HIL2L3L4L5L6L7目的核心基礎互聯（Connect）洞見（Insight）智能（Smart）產品智能“三步走”2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.4管理1采集傳輸2分析3部署數據驅動智能數據智能三要素業務問題2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.6算力算法數據SkyFront–天數智能制造解決方案2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.7數據算法算力業務問題SkyDB數據倉庫SkyTSDB時序數據庫SkyInsightOLAP數倉SkyFS文件系統SkyMeta元數據…SkyDashboard數據管理SkyDI數據集成SkyPHM智能診斷實時監測健康評價性能評估故障預警SkyMRO智能運維事件管理工單管理物資物料運維調度SkyBI數據分析數據理解探索分析歷史回溯自助報表SkyIntelligent機器學習SkyFlowSkyNotebookSkyShellSkyManager安裝運維監控管理SkyAXE云端一體機數據數據管理平臺2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.9算法算法-SkyBISkyInsight2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.11算法-SkyIntelligent-SkyFlow2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.12業務SkyFront–天數智能制造解決方案2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.14PHM的功能與架構2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.15PHM-實時監控、模型管理實時監控—全局視圖實時監控—單機儀表盤實時監控—DigitalTwin2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.16專題體檢—執行與報告PHM-健康管理、故障診斷健康評估性能評估故障診斷與預測2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.17模型管理2025/3/1418PHM-模型-葉根螺栓斷裂故障監測StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.通過AI發現SCADA無法發現的故障葉根螺栓故障靠人工手段檢測難風機葉片與輪轂連接處有數十個葉根螺栓，斷裂1-2根并不會影響風機正常運行。并沒有特定的傳感器來檢測。現階段只能靠人工登塔檢查并維修。通過LSTM+隨機森林方法構建故障檢測模型利用SCADA數據將外部條件（風速、風向、偏航系統、風場限功等特征）降維作為模型的輸入。對變槳系統中葉片的角度、轉速、電流也進行主成分處理并降維，葉片對應變槳狀態的值作為模型的輸出。使用LSTM網絡+隨機森林方法構建模型，根據ROC曲線的明顯變化預測障礙。2025/3/1419PHM-模型-齒輪箱故障預警StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.實現“真正”的大部件故障預測齒輪箱核心部件故障，嚴重損耗后維修成本高齒輪箱常見的故障，如果不及時處理會造成嚴重的后果，甚至導致齒輪箱無法繼續使用，帶來昂貴的維修成本。CMS數據定期采樣數據，包含齒輪箱數個部位的測點采用FFT/小波變換+時頻域特征提取+GBDT針對高頻采樣數據進行時域和頻域特征提取。時域特征可采用ARMA模型等提取參數特征，頻域特征可提取頻率-振幅特征。利用歷史維修記錄，針對特征提取后的數據集采用GBDT進行多分類模型的訓練，判斷齒輪箱的振動是否存在異常及異常的部位。2025/3/1420PHM-模型-風機性能劣化模式識別StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.有效識別性能劣化具體原因風機功率曲線異常風機的功率曲線與出廠時的保證功率曲線存在偏差。大量風機的情況下，人工檢查每臺風機的性能曲線與具體原因識別將耗費大量時間，需要使用系統的算法對不同劣化模式進行識別與溯源。圖像識別技術+專家系統通過先驗知識指導，配合算法實現對某些關注劣化模式的識別。再根據時間連續的特性，排除識別錯誤的類型。該過程伴隨啟發式搜索，能夠發現正常運行但同樣有性能優化空間的風機。PHM-視覺-風電葉片視覺檢查智能診斷2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.21PHM-視覺-風電葉片視覺檢查智能診斷功能自動軌跡飛行自動拍攝屬性關聯損傷診斷結果管理與展示自動化報告輔助功能特性描述1)圍繞風電機組、貼近葉片、按照設定的軌跡自動飛行；3)沿葉片長度方向上飛行，保持勻速；4)在飛行過程中無人機與葉片保持固定距離；6)低電量自動返航，充電后自動斷點續航；7)飛行過程中允許飛手干預，做避障、懸停等動作；8)1080p視頻或4K圖片；9)以葉片為畫面中心，包含完整的葉片寬度圖像，葉片在畫面中占據不小于1/3的面積（拍攝葉尖時除外）；11)鏡頭與葉片長度方向保持垂直；12)與葉片長度方向平行的激光比例尺；13)飛行控制軟件中，可以為每一次飛行任務設置結構化屬性，以記錄“拍攝時間”、“風場名稱”、“機位號”等信息；15)上述結構化屬性信息可以直接設置在所拍攝的視覺數據文件的文件名中；17)輸出診斷結果，包括：拍攝日期、風場名稱、機位號、葉片號、葉片方位、損傷位置、損傷類型、損傷尺寸、損傷等級；19)模型能夠識別風電機組上的典型結構和外界物體，不誤判；21)結構化存儲損傷診斷結果，包括：拍攝日期、風場名稱、機位號、葉片號、葉片方位、損傷位置、損傷類型、損傷尺寸、損傷等級；23)每一條損傷診斷結果記錄，均對應一個圖片輸出，在損傷處以矩形框做標記：28)一鍵生成損傷結果報告（doc格式）；32)“系統介紹”頁面，介紹葉片損傷智能診斷模型的原理；2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.22PHM-視覺-高鐵關鍵部件運行監測2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.23? 陣列相機拍攝地鐵車廂底部，通過高精度的目標檢測定位不同位置關注的部件? 采用基于AI技術的計算機視覺解決方案，智能識別故障列車底部故障，自動化診斷流程減震彈簧六角螺栓3/14/2025StrictlyConfidential.AllRightReserved.NanjingSkyDataInfoTechLtd.24高鐵巡檢工作合規性檢測通過視頻圖像識別的方法，將巡檢人員的巡檢路線進行標記和合規性檢測，取代現有的通過人工審查環節，針對日常監控視頻生成檢測報告，包括上車時間、下車時間、是否圍繞受電弓行走一圈、是否巡檢過受電弓等。1234無人巡檢狀態巡檢過程自動識別算力算力01-SkyAXE云端一體機2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.26算力02-SkyACE邊緣計算設備2025/3/14StrictlyConfidential.AllRightReserved.IluvatarCoreXInc.27SkyACE(AICollectiveEngine)FPGAAI應用加速高性能專