MAIRS是智物聯提供的數據分析服務中的在線“人工智能”服務，是智物聯工業物聯網數據分析服務系統 INDASS 的一個延伸服務，提供工業設備連續運行風險識別。

　　所謂風險識別，也就是判斷在未來時間段內，發生風險的可能性，包括：設備出現故障的風險、設備出現運行穩定性問題（或者由于穩定性而導致的各種問題）的風險，以及設備出現狀態突變的風險。

　　MAIRS實際上是一個工業數據的識別模型，就是針對工業數據的一系列的計算方法。我們就簡單的把MAIRS理解為一個能對工業數據進行識別的機器人吧。

　　MAIRS出生的時候，雖然有大腦，但卻沒腦子，因為MAIRS還沒知識。所以，我們要先培養它。所以，我們要對MAIRS做兩件事：

　　第一件，就是深度學習，也就是利用現有的數據樣本對模型進行訓練，就是讓MAIRS學習“知識”；

　　第二件，就是把學到的“知識”變成對設備運行的狀況進行識別的服務，對未來的各種風險做出判斷。

　　先說一下MAIRS的訓練。所謂訓練，就是用之前從很多設備中已經采集到的數據，做成“訓練樣本”，并用這個樣本，不停地對這個MAIRS模型進行訓練。這個訓練可謂是“博采眾家之長”，因為MAIRS是向所有同類的設備去學習，這樣，即便是面對一臺新上線的設備，也能預測出這臺設備從來沒出現過的情況。同時，MAIRS的學習訓練是一個“活到老學到老”的過程。不間斷的學習，讓MAIRS的知識不斷豐富，識別的準確度不斷提高。

　　我們重點說一下MAIRS識別的事情。

　　還記得INDASS吧，設備的實時數據在INDASS里面進行了指數的計算，除了指數的水平，在MAIRS里面還對指數做了三維梯度計算。也就是說，我們除了要了解當前指數的水平，還需要知道這個指數是怎么變化過來的。就像股票指數一樣，雖然都是3000點，但是，從3500點掉下來的，還是從2500點漲上去的，含義完全不一樣。除了指數和指數梯度以外，剩下的就是設備的特征值了，什么溫度壓力電流電壓之類的。

　　首先要明白一點，MAIRS的數據來源是INDASS，也就是智物聯的數據分析（計算）服務。那么，MAIRS判斷出什么結果呢？

　　我們看到的是，我們的識別分成了幾個部分：

　　（1）綜合評估。前面是計算出來的數字，是一個組合數值，代表一系列可能發生的情況；后面是標識，比如，N，OQ，OA，OF等等，分別代表可能出現的情況：

　　? N 代表Normal，就是一切正常；

　　? OQ 代表 Over Quota，代表可能出現數據超出正常范圍；

　　? OE 代表 On Event，意思是可能出現了某些意外事件；

　　? OF 代表 On Fault，意思是可能已經出現了某些故障；

　　? OA 代表 On Alert，意思是可能出現了某些報警。

　　（2）在4個預測區間（10、30、60、和90分鐘）出現故障、穩定性和突變風險的概率（0.00 ~ 1.00，也就是 0% ~ 100%）。這里要說明是，這個預測是基于“連續運行”的預測，也就是說設備中途不會出現啟停的情況。

　　MAIRS模型是專門為工業設備運行識別而設計的，與其他AI（人工智能）應用是有區別的，并不是簡單地去“學習一萬張貓的照片，然后去識別一只貓” 這么簡單。首先，MAIRS是一個動態識別模型，道理很簡單，因為僅僅根據當前的設備參數，溫度壓力，電流電壓頻率什么的，不僅不能判斷未來會怎么樣，就算是當前是什么狀態其實都很難判斷。

　　這就是為什么，我們除了需要去識別指數的水平，還需要識別指數變化的梯度。指數變化梯度實際上是一個數學概念，意思是指數變化的方向和變化的程度。換句話說，MAIRS識別的依據不僅僅是指數的水平，而且還有指數的變化。

　　我們舉個例子就明白了：假設我們根據當前上證指數，去判斷股市形勢。其實，我們從當前3000點，并不能得知什么；但是，如果我們知道，今天的3000點，是從2500點漲上來的，那基本就能判斷股市是逐漸趨好，如果這是三天內的事情，那就是股市暴漲，如果是三個月的事情，那只是逐漸趨好；同理，如果我們知道，今天的3000點，是從3天前的3500點跌下來的，那肯定能判斷股市在暴跌。

　　在同一個預測區間里面，實際上預測了三件事情：故障、穩定性和突變。

　　（1）故障，這個容易理解，就是在這個預測區間出現故障的可能性。

　　（2）穩定性，意思是，在預測區間里面，設備出現穩定性問題，或者由于穩定性問題而引起其他設備問題的可能性。我們應該還記得INDASS里面對設備參數穩定性的計算，這里實際上就是根據INDASS對各重要參數穩定性的計算，對設備穩定性所做的整體穩定性趨勢判斷。

　　（3）突變，就是會出現狀態上的突變，比如，設備崩潰就是一種突變。舉個極端的例子，一臺設備，額定壓力是10MPa，到15MPa的時候，就超出了安全閾值，但是，一旦到了20MPa，就可能會發生爆炸，這就是突變。MAIRS根據突變的折疊模型進行擬合，對設備的連續運行做出區間的突變風險的預測。

　　MAIRS是智物聯工業物聯網體系中的一個新成員，不久的將來，MAIRS一定會成為設備的運行的守護神。