1實時數據采集1

能夠從已有的生產控制系統（如DCS系統），實時采集設備在線分析監測的各類實時數據并存儲。

2數據預處理2

現場的采樣數據維度很大（數據種類很多），同時由于采集數據中常常包含許多含有噪聲、不完整、甚至是不一致的數據等，需要對這些數據進行降維處理，和缺失值處理。對現場的數據需要經過有效的預處理以改善數據質量，這樣才能保證數據模型的的樣本數據是可信的，并得到準確的模型分析結果。

3準確的數據模型3

對于過程復雜的場景，不但可以避開繁冗的場景細節，輕松克服設計與施工不一致問題，而且建模成本相對較低。雖然對數據需求較高，但可充分利用研究對象的歷史數據，獲取僅適用于研究對象的工程“經驗”，具有很強的針對性，因此預測精度相對更高。

4風險提前預警4

用長期采集的設備的各類指標數據為數據基礎，建立設備運行狀態的數學模型，用于預測分析設備的運行狀態和設備異常風險。有效地幫助用戶主動對工廠各類設備進行預測性維護，盡早準備相應的備品備件或維修計劃。