天質(zhì)分析引擎系統(tǒng)主要包含兩個(gè)部分，實(shí)時(shí)分析引擎系統(tǒng)和歷史數(shù)據(jù)分析引擎系統(tǒng).

實(shí)時(shí)規(guī)則引擎系統(tǒng)：

實(shí)時(shí)引擎主要在數(shù)據(jù)監(jiān)控或采集平臺(tái)中，往往需要設(shè)置一些規(guī)則來觸發(fā)一些系統(tǒng)事件、控制事件、短信等報(bào)警事件。比如溫度過高過低，電壓超出預(yù)設(shè)范圍等，觸發(fā)一些報(bào)警或異常事件，來提醒一些維護(hù)人員。類似地，在物聯(lián)網(wǎng)中，由于數(shù)據(jù)量巨大，業(yè)務(wù)規(guī)則可能多種多用，也需要將規(guī)則的設(shè)置變得簡(jiǎn)單和友好以適應(yīng)業(yè)務(wù)規(guī)則的多樣與變化。實(shí)時(shí)規(guī)則引擎就是實(shí)時(shí)的獲取數(shù)據(jù)并通過靈活的設(shè)定規(guī)則進(jìn)行分析，然后按照一定得優(yōu)先級(jí)別，依次觸發(fā)不同的輸出事件（系統(tǒng)事件、控制事件、短信事件）。

數(shù)據(jù)分析引擎系統(tǒng)：

數(shù)據(jù)分析引擎系統(tǒng)是對(duì)采集的大量數(shù)據(jù)，進(jìn)行統(tǒng)計(jì)、分析、處理，通過前端可視化分析工具進(jìn)行友好的展現(xiàn)與判斷。同時(shí)基于類似大數(shù)據(jù)處理框架Apache Hadoop、Apache Spark的自主研發(fā)的輕量級(jí)架構(gòu)，運(yùn)用內(nèi)存計(jì)算機(jī)器學(xué)習(xí)算法，行業(yè)大數(shù)據(jù)深度機(jī)器學(xué)習(xí)模型，新型內(nèi)存迭代數(shù)據(jù)挖掘算法，對(duì)大規(guī)模數(shù)據(jù)中隱藏的信息和知識(shí)挖掘出來，為行業(yè)預(yù)測(cè)提供依據(jù)和判斷，提高各個(gè)領(lǐng)域的運(yùn)行效率，減少行業(yè)風(fēng)險(xiǎn)。

實(shí)時(shí)規(guī)則引擎系統(tǒng)：

靈活易用

規(guī)則設(shè)置靈活簡(jiǎn)單，一鍵啟停規(guī)則，支持各種事件和動(dòng)作。

效率高

響應(yīng)速度快，執(zhí)行效率高，同時(shí)支持多種規(guī)則并發(fā)處理。

分布式

基于DMBUS通信機(jī)制，實(shí)現(xiàn)分布式運(yùn)行。

數(shù)據(jù)分析引擎系統(tǒng)：

數(shù)據(jù)維度多

多維度分析數(shù)據(jù)，更大程度的挖掘數(shù)據(jù)的價(jià)值

數(shù)據(jù)量大

基于大數(shù)據(jù)處理框架，能夠分析海量數(shù)據(jù)，效率高，預(yù)測(cè)準(zhǔn)確率大大提高。

強(qiáng)大的API

提供開發(fā)標(biāo)準(zhǔn)的API,方便本地調(diào)用或第三方快捷集成云端服務(wù)

分布式

基于DMBUS通信機(jī)制，實(shí)現(xiàn)分布式運(yùn)行。

實(shí)時(shí)規(guī)則引擎系統(tǒng)

構(gòu)建應(yīng)用程序

收集和處理設(shè)備生產(chǎn)的數(shù)據(jù)并根據(jù)預(yù)定的規(guī)則執(zhí)行操作

并行操作

同一個(gè)規(guī)則可以應(yīng)用至一臺(tái)或多臺(tái)設(shè)備，并且可以并行執(zhí)行一個(gè)或多個(gè) 操作

規(guī)則操作

規(guī)則模板支持增刪改查

規(guī)則驗(yàn)證

支持對(duì)已經(jīng)創(chuàng)建的規(guī)則進(jìn)行驗(yàn)證，檢查數(shù)據(jù)篩選結(jié)果是否符合預(yù)期。

數(shù)據(jù)分析引擎系統(tǒng)

自定義指標(biāo)

根據(jù)業(yè)務(wù)需求，對(duì)基礎(chǔ)指標(biāo)加減乘除，組合成新的指標(biāo)，進(jìn)一步分析。

實(shí)時(shí)分析

MS級(jí)監(jiān)控活動(dòng)效果，發(fā)現(xiàn)產(chǎn)品內(nèi)的異常情況。支持預(yù)判和預(yù)警。

關(guān)聯(lián)分析

通過用戶采集的實(shí)數(shù)據(jù)分析，能源分析、進(jìn)行工藝優(yōu)化分析等。

用戶分群

將不同的用戶分組分析，更有針對(duì)性地進(jìn)行用戶運(yùn)營。

用戶細(xì)查

清楚而明晰地看清每一個(gè)用戶的屬性信息、行為軌跡以及具體操作。

智能轉(zhuǎn)化分析

只要確定轉(zhuǎn)化目標(biāo)，就可以智能展現(xiàn)所有行為路徑和占比。