Технологии
Машинное обучение
Машинное обучение – один из двигателей современной экономики, управляемой данными. Методы машинного обучения находят активное применение в различных отраслях промышленности, позволяют решать задачи предиктивного сервисного обслуживания и контроля качества, находить оптимальные режимы эксплуатации и предсказывать остановы или неисправности промышленного оборудования. Инвестиции в машинное обучение – это колоссальные преимущества, конкурентоспособность и финансовая выгода для предприятий.
Подробнее
При разработке и интеграции цифровых двойников ООО «Фабрика Цифрой Трансформации» использует PTC ThingWorx Analytics – инновационный инструмент обработки больших данных с помощью машинного обучения в удобном пользовательском интерфейсе без необходимости программирования на специализированных языках. ThingWorx Analytics является серверным компонентом IoT-решения на базе платформы ThingWorx.
Analytics Builder

Analytics Builder предоставляет визуальный интерфейс пользователя для загрузки данных и метаданных, создания предиктивных моделей (обучение и скоринг), вывода результатов аналитики (профили, сигналы) и фильтрации данных.

Analytics Manager

Analytics Manager обеспечивает функциональность для развертывания и выполнения моделей машинного обучения внутри платформы ThingWorx.

Anomaly Detection

Anomaly Detection выявляет отклонения в режиме реальном времени: отслеживает поток данных с устройства, вычисляет ожидаемое распределение данных и проверяет следующие потоки данных на соответствие ожидаемому распределению.

Descriptive Analytics

Descriptive Analytics содержит сервисы для статистические расчетов и мониторинга, используемые в целях визуализации результатов, генерации уведомлений и предобработки данных для моделей машинного обучения.

Основные функции ThingWorx Analytics

Разделение данных на обучающую и тестовую выборку в заданном соотношении

Определение целевой переменной для выполнения обучения на размеченных данных

Выбор алгоритмов и параметров машинного обучения и обучение в параллельном режиме

Оценка качества обученных алгоритмов на основе тестовых данных