从时域上通过精细化数据对比计算发现设备故障、工况劣化的变化过程，发挥历史数据的价值。
型号相同、物理相邻、安装高度一致的传感器设备采集到的同一参数偏差和趋势往往趋同，因此可从空间域上多维度验证模型预测准确性。
把专业机理与大数据挖掘技术深度耦合，建立专业智能学习和分析模型，实现高度专业化和智能化的数据处理、分析及预测。
业内首创可视化时空温度场
自适应阈值超温预警
劣化炉管短期识别模型
劣化炉管长期识别模型
金属管壁测点传感器故障智能识别
水冷壁启停机阶段拉裂预警
机组检修指导功能
基于固定阈值的规则进行超温判断报警。
已经超温后报警，无法预防。
没有故障分类能力，依赖人工区分测点异常和设备异常。
不设固定阀值，基于综合工况对炉管超温进行预判
通过Al预测超温并提前进行应急处理，消除超温。
自动区分测点传感器异常和设备异常，对炉管异常进行分类识别，准确率高
物体或空间内各个位置的温度分布及其随时间变化情况进行实时检测和监控的技术。
通过对系统、设备、环境等对象的运行数据或状态进行实时采集与分析。
当监测对象异常时，系统自动触发警报的机制，目的是及时提醒异常并避免风险。
