1实时数据采集1

能够从已有的生产控制系统（如DCS系统），实时采集设备在线分析监测的各类实时数据并存储。

2数据预处理2

现场的采样数据维度很大（数据种类很多），同时由于采集数据中常常包含许多含有噪声、不完整、甚至是不一致的数据等，需要对这些数据进行降维处理，和缺失值处理。对现场的数据需要经过有效的预处理以改善数据质量，这样才能保证数据模型的的样本数据是可信的，并得到准确的模型分析结果。

3准确的数据模型3

对于过程复杂的场景，不但可以避开繁冗的场景细节，轻松克服设计与施工不一致问题，而且建模成本相对较低。虽然对数据需求较高，但可充分利用研究对象的历史数据，获取仅适用于研究对象的工程“经验”，具有很强的针对性，因此预测精度相对更高。

4风险提前预警4

用长期采集的设备的各类指标数据为数据基础，建立设备运行状态的数学模型，用于预测分析设备的运行状态和设备异常风险。有效地帮助用户主动对工厂各类设备进行预测性维护，尽早准备相应的备品备件或维修计划。