魏德米勒工业分析软件 自动化机器学习数据分析模型

机器和生产工厂不断产生数据。将这些数据成功转化为创新的公司获得了决定性的竞争优势。借助软件，魏德米勒公司正在使人工智能方法应用于机器生产商和生产型公司。为了分析机器数据和流程数据，工业分析使用能够检测异常情况甚至能够预测未来机器行为的复杂模型。通过使用人工智能(AI)方法和机器学习(ML)，用源自原始数据的特徵来揭示以前未知的测量值之间的关系。

魏德米勒开发了一个突破性的解决方案，使中型公司不再需要数据科学家。在与最终使用者密切合作的过程中，数据专家识别测量值中的相关性并训练初始模型。初始模型应用成功后，反复向初始模型输入新数据，并在机器的整个生命周期中进一步开发模型。随着时间的推移，这将提高信息品质。

许多机器生产商和生产型公司还不能独立使用现有的机器学习工具，因为这些工具的操作已经针对分析专家的数据驱动活动进行了优化。公司可以用巨额资金培训现有员工，也可以自己雇佣一名数据科学家。

这就产生了一个抑制阈值，放慢了人工智能在工业中的应用速度。另一个方法是开发易于使用的软件解决方案，即使使用者没有经过任何统计培训也能够理解并生成分析模型。魏德米勒公司的工业分析业务部门已经通过自动化机器学习软件将这一想法付诸实践。该款应用程序的名称意味着模型大部分是自动开发的。

工业分析业务部门产品经理Carlos Paiz Gatica博士解释道「类似的应用程序目前在金融技术、银行业和行销领域得到广泛使用。但是，现有的解决方案不适用于机器和工厂，因为它们不支持自动化产业的相关数据类型。这些解决方案总是需要一个理想的数据库。」此外，这些解决方案不能整合用户的领域知识，而这对于工业应用程序至关重要。

Paiz说过：「有了自动化机器学习软件，机器生产商和生产型企业不必成为数据专家，就可以独立开发人工智能和机器学习并从中获益。通用的应用程序支持使用者生成初始模型并进一步开发模型。这样，公司不再依赖数据科学家，也不必与外部合作夥伴分享其制程流程和机器知识。」