地(dì / de)址：深圳市福田區深南大(dà)道(dào)1006号深圳國(guó)際創新中心A棟14層
設備健康診斷系統
設備健康診斷系統是(shì)多層次的(de)綜合性設備管理平台，提供從設備狀态在(zài)線監測、專業分析工具、故障智能診斷、AI壽命預測到(dào)設備信息管理、備品備件管理的(de)一(yī / yì ／yí)站式功能服務。
基于(yú)設備運行數據信息，對設備關鍵部件的(de)常發故障進行統計分析，從數據中提取多域、多源故障特征，利用聚類、K最近鄰分類、支持向量機、混合智能診斷等機器學習算法構建關鍵機械設備故障識别模型，自适應解析設備故障模式與故障知識，智能診斷關鍵機械設備典型故障。
爲(wéi / wèi)用戶提供專業數據分析工具，借助趨勢分析法、時(shí)域分析法、頻譜分析法、包絡分析法等工具方法，分析傳感器等采集的(de)數據。
可用于(yú)對設備的(de)軸系類故障、齒輪故障、軸承故障、電機故障等做出(chū)分析判斷。
AR眼鏡
将AR技術與專業信号分析技術相結合，爲(wéi / wèi)用戶提供更加便捷的(de)可視化分析手段，實時(shí)展示生産線、設備、傳感器的(de)運行狀态、關鍵數據、故障預警等信息，協助運維人(rén)員快速排除設備故障。
降低計劃外停機概率
自适應狀态監測算法，實現關鍵機械設備早期故障的(de)自适應預警，遠程智能故障診 斷,精準快速排障，減少停機時(shí)間。
提升運維效率
通過預測性維護機制提前發現和(hé / huò)規避設備故障風險,預先規劃維護時(shí)間。
有效管理備品備件
以(yǐ)零部件壽命預測爲(wéi / wèi)參考的(de)備品備件管理，更有效地(dì / de)對備品備件的(de)購置進行合理規劃。
自适應狀态監測算法，實現關鍵機械設備早期故障的(de)自适應預警，遠程智能故障診 斷,精準快速排障，減少停機時(shí)間。
提升運維效率
通過預測性維護機制提前發現和(hé / huò)規避設備故障風險,預先規劃維護時(shí)間。
有效管理備品備件
以(yǐ)零部件壽命預測爲(wéi / wèi)參考的(de)備品備件管理，更有效地(dì / de)對備品備件的(de)購置進行合理規劃。
