设备智能运维中 数据分析的是与非 | 1116直播回放 | 戏说工业数智化
视频过长，开启分段解析
第1/11段
1. 设备智能化运维一个重要的话题，需要正确理解其机理和环节，从业务评估到数据探索到模型持续运行，每个步骤都需要精细设计和实施。
2. 对于数据分析模型而言，数据的质量和数据的量是两个需要平衡的问题，需要从业务角度出发，确定数据的需求和可用性。
3. 在数据分析模型的建立过程中，需要充分理解业务场景，进行数据探索和验证，使模型能够持续运行并产生实际价值。
第2/11段
这个视频的核心主旨是1. 数据分析不是万事俱备，需要根据场景定义来确定数据价值，数据量并不是唯一的因素，还需要考虑数据的质量和可用性。
2. 数据探索是发现数据价值的一个重要任务，需要做好场景定义、业务理解和数据质量监控等工作，以确定问题是否能在数据上解决。
3. 在数据分析过程中，需要注意数据完备性和可用性两个方面，同时也要注意多重积累叠加可能导致的相关性变弱，需要寻找新的发现和关联性。
第3/11段
这个视频的核心主旨可以结为三个要点：
1. 环境对机械设备的性能有影响，但这种影响通常很难量化。
2. 数据探索可以帮助发现弱基里或复杂机理中的关系，但往往需要一些专业的数据分析手法。
3. 数据探索可以帮助我们发现一些新奇的事情，这些事情可能会激发我们的好奇心并帮助我们更好地理解问题。
第4/11段
这个视频的主要内容是关数据探索的，数据探索是为后续的建模做准备的基础工作，包括对数据质量的评估、问题的发现和解决方案的设计。数据探索是将数据加工成数据洞察的过程，其中包括实验室的试生产和样板机的生产。数据探索是解决弱体问题的过程，而强基是先验知识的应用。
第5/11段
这段视频讲述了故障诊的机理探索和数据探索的过程。在故障诊断中，必须结合强机理和弱机理来构建模型，并用少量的数据样本来验证模型的表现。在数据探索中，必须同时考虑机理和实际条件，以便评估数据质量和发现数据中的模式。最后，需要结合生产实际和机理来做出正确的决策，而不能迷信机理。
第6/11段
该视频的核心主旨可以总为以下三个要点：
1. 算法和模型的区别：算法是通用的计算方法，而模型是更完整、更工程化的东西，包括数据处理、特征选取、特征工程和构建模型等过程。
2. 算法和模型的应用：算法是一种计算方法，应用于具体问题时需要考虑如何适配到问题上，才能让算法更高效。模型则是为了某个目的而组织的计算模式，它代表了物理意义。
3. 算法的实际应用：在实际工程应用中，我们需要综合运用各种手段解决问题，不能将所有问题都归结于算法。算法只是解决问题的一种手段，我们还有其他很多办法可供选择。
第7/11段
这个视频的主旨是关于备过程诊断的话题。视频中讨论了如何界定设备的正常状态和建立基准，以及如何进行故障诊断和预测性维护。另外，视频还介绍了如何利用数据进行故障检测和如何评估设备的健康状态。
第8/11段
这个视频主要讲解了一新的设备智能运维的思路。这种思路基于一种新的算法模型，可以避免传统预知对比方法的缺陷，并且可以更加准确地评估设备的状态。该模型设计包括模型设计原则、模型实现等方面。通过这种方法，可以实现设备智能运维，提高设备效率和降低维护成本。
第9/11段
这个视频的核心主旨是于如何提高工厂设备的可靠性和稳定性。视频中提到了数据探索、模型建立、模型应用和模型诊断等方面的内容。通过对模型的自动和人工调整，以及对设备变化的告知，可以在工厂设备中提高模型的可靠性和适用性，从而提高工厂设备的可靠性和稳定性。要点如下：
1. 通过数据探索、模型建立等方法，建立适用于工厂设备的模型；
2. 在使用模型的过程中，需要对模型进行自动和人工调整，以适应设备变化；
3. 告知模型设备变化的信息，可以有效提高模型的可靠性和适用性，从而提高工厂设备的可靠性和稳定性。
第10/11段
1. 工业设备智能化模型设计和部署运行是工业大数据领域的关键问题，需要在理解工业设备的共性和个性的基础上，建立通用的母模型，通过分类和调整，实现在各种场景下的复用，从而提高工作效率和贴合度。
2. 工业设备智能化的模型设计和部署运行需要考虑不同类型设备的差异，如泵和电机等，也需要考虑工况状态和液体类型等因素。流模型和P模型是实现模型部署和运行的两类方法。
3. 工业设备智能化的模型设计和部署运行需要与工业工程师密切合作，理解现场版本和部署运行的概念，保证软件和模型能够正确安装和运行，提高效率和准确性。
第11/11段
这个视频的核心主旨是设备智能运维的概念、方法以及实施路径的详细解释。要点如下：
1. 设备智能运维的闭环过程包括探索数据、设计模型、实现模型、部署模型、业务评估，并且需要结合实际进行迭代。
2. 实现设备智能运维需要从业务、IT、DT以及OT等多个角度进行分析，需要有一个合适的算法模型和IT系统。
3. 采样定律、步长和窗口大小等在设备智能运维中都非常重要，而实时性并不是越小的颗粒度越好，需要按需进行虚实的划分。
