大型设备远程健康管理系统是通过整合设备管理制度和业务流程，结合状态监测、维修、使用和环境等信息，对涉及设备健康的因素进行全面的过程控制，对维修活动计划和优化，采用基于工业实时数据处理和大数据模型评价的远程诊断分析模式，通过建立远程监控和诊断系统，收集整理原始设备制造商、设备业主和专业服务公司之间的数据，提高可靠性和可用率，降低维护成本。我们是面向知识服务的主动策略类型数据服务产品，能够帮助客户改善前瞻性规划，消除故障，预测维护时间，延长设备的生命周期，最终优化并提高客户的生产和盈利能力。 我们的产品采用实时数据和历史数据库的结合的方法，对构建的设备模型进行训练（支持向量积算法结合hadoop大数据分析），实现“数据、信息、知识、专家分析”等核心节点的融合，解决了工业生产过程中的工业环境的数据产生量非常巨大，数据类型异构多，并发通讯高，传统关系型数据库和应用服务器策略无法满足预警需求的时间要求（通常是分钟级别的响应速度）等关键问题，并采用在数据中心端搭建私有云平台的方法，提高业务的扩展能力和安全性，完成了工业大数据云的架构设计，为专业分析提供了完备的资源支持，逐步完善面向设备健康管理的知识服务。 主要创新点： （1）大数据的传输技术：大型旋转机械的数据传输往往通过较为珍贵的带宽完成的，远不能满足大数据传输。我们的方案主要利用专业分析技术，对数据所做出有效的提取工作要针对有效数据进行传输，解决海量数据的传输问题。 （2）大型设备异常检测及故障诊断技术：由于很多故障发生之前用肉眼或者简单的分析方法很难发现。我们在此方面实现了技术突破，以一系列的在故障诊断及异常检测技术解决了包括：基于多参数的大型设备故障预测及决策问题、机群设备的运行状态监测及预估方法。 （3）大数据的可视化及网络架构的实现：我们的团队运用国外先进的可视化控件加以改进，对海量数据进行简洁、美观动态呈现，来实现机群的多点通讯网络架构。 解决的技术瓶颈： 1、工业实时数据多元处理技术,实现每3秒完成一个数据采集周期，数据通讯延迟小于100ms; 2、基于云服务平台的大数据分析系统，整个云服务平台能够达到10万点数据并发处理能力，单一业务查询响应时间不超过3秒钟，最少支持100个业务运行； 3、基于机器学习的专业分析系统，实现基于机器学习的自动化知识服务能力，完成数据的实时监控能力数据采集周期为3秒。

黑龙江仁泽科技开发有限公司

该项目为储备库项目资源，暂无效益分析内容。