天質(zhì)分析引擎系統(tǒng)主要包含兩個部分，實時分析引擎系統(tǒng)和歷史數(shù)據(jù)分析引擎系統(tǒng).

實時規(guī)則引擎系統(tǒng)：

實時引擎主要在數(shù)據(jù)監(jiān)控或采集平臺中，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)一些報警或異常事件，來提醒一些維護人員。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)置變得簡單和友好以適應(yīng)業(yè)務(wù)規(guī)則的多樣與變化。實時規(guī)則引擎就是實時的獲取數(shù)據(jù)并通過靈活的設(shè)定規(guī)則進行分析，然后按照一定得優(yōu)先級別，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)是對采集的大量數(shù)據(jù)，進行統(tǒng)計、分析、處理，通過前端可視化分析工具進行友好的展現(xiàn)與判斷。同時基于類似大數(shù)據(jù)處理框架Apache Hadoop、Apache Spark的自主研發(fā)的輕量級架構(gòu)，運用內(nèi)存計算機器學習算法，行業(yè)大數(shù)據(jù)深度機器學習模型，新型內(nèi)存迭代數(shù)據(jù)挖掘算法，對大規(guī)模數(shù)據(jù)中隱藏的信息和知識挖掘出來，為行業(yè)預(yù)測提供依據(jù)和判斷，提高各個領(lǐng)域的運行效率，減少行業(yè)風險。

實時規(guī)則引擎系統(tǒng)：

靈活易用

規(guī)則設(shè)置靈活簡單，一鍵啟停規(guī)則，支持各種事件和動作。

效率高

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

分布式

基于DMBUS通信機制，實現(xiàn)分布式運行。

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)測準確率大大提高。

強大的API

提供開發(fā)標準的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通信機制，實現(xiàn)分布式運行。

實時規(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

同一個規(guī)則可以應(yīng)用至一臺或多臺設(shè)備，并且可以并行執(zhí)行一個或多個 操作

規(guī)則操作

規(guī)則模板支持增刪改查

規(guī)則驗證

支持對已經(jīng)創(chuàng)建的規(guī)則進行驗證，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

根據(jù)業(yè)務(wù)需求，對基礎(chǔ)指標加減乘除，組合成新的指標，進一步分析。

實時分析

MS級監(jiān)控活動效果，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

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

用戶分群

將不同的用戶分組分析，更有針對性地進行用戶運營。

用戶細查

清楚而明晰地看清每一個用戶的屬性信息、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，就可以智能展現(xiàn)所有行為路徑和占比。