韩国制造集团选择SQream平台进行异常检测

需求

这家韩国制造商正在寻找一种经济高效的解决方案，可以轻松集成到他们现有的生态系统中。他们正在寻找一个可以增长到3 PB 并且能够与他们现有的 AI、ML 工具一起工作的最佳解决方案。

商业挑战

该韩国制造集团选择了 SQream 平台来分析由制造机器传感器事件组成的 PB 级数据库，这些事件在其生产车间被提取到 13K 表中。主要目的是利用 SQream 的快速摄取和处理能力来学习正常模式，尽早识别故障，并检测与正常模式的任何非标准偏差，以触发额外的审查并减少供应链运营中的潜在问题。

商业冲击

智能传感器网络的出现为工业环境开辟了前所未有的可能性，引发了智能制造和工业 4.0 的浪潮。此类技术带来的不断增长的数据量为使用机器学习方法从数据中提取信息铺平了道路，即使是人类专家也无法获得。制造团队被要求（尽早）检测基于机器的传感器积累和分析的异常情况。由于制造过程极其复杂且包含数千个传感器，因此第一步是积累不同阶段的传感器数据（acsensorize）并创建基线数据库。在拥有 1000 TB 的数据后，SQream 平台不断处理和搜索与基线的偏差。

为什么选择 SQream？

SQream 拥有专有算法来分块数据，因此显着降低了成本。
SQream 每小时可以加载几十TB，同时自动优化和压缩数据。
摄取量很容易扩展和扩大。
能够处理PB 级数据、数千列。
快速摄取到数千列。
能够快速连接具有大型数据集的许多表。

各方面取得的积极成果

持续分析13K表
整体设备效率提高 17%
分析2 PB数据；2.5 万亿行
比之前的平台快9倍

韩国制造集团选择SQream平台进行异常检测相关推荐

异常检测（Anomaly Detection）综述
作者丨阿尔法杨XDU@知乎来源丨https://zhuanlan.zhihu.com/p/266513299 编辑丨极市平台导读异常检测是一个发现"少数派"的过程,本文将目前 ...
利用基于云的人工智能平台，对设备进行预测性维护和产品的异常检测
在未来,人工智能几乎会影响到 IT 行业的每个方面,包括编程和开发.在过去的几年里,我们已经看到了诸如代码大师这样的工具,该产品会在开发者编程时,为其提供智能建议,以提高代码质量,并识别出应用程序中最 ...
如何基于Flink+TensorFlow打造实时智能异常检测平台？只看这一篇就够了
作者 | 潘国庆编辑 | Natalie AI 前线导读:Flink 已经渐渐成为实时计算引擎的首选之一,从简单的实时 ETL 到复杂的 CEP 场景,Flink 都能够很好地驾驭.本文整理自携程实时 ...
异常检测概览——孤立森林效果是最好的
用机器学习检测异常点击流本文内容是我学习ML时做的一个练手项目,描述应用机器学习的一般步骤.该项目的目标是从点击流数据中找出恶意用户的请求.点击流数据长下图这样子,包括请求时间.IP.平台等特征: ...
【竞赛记录】kpi异常检测
搞了个华为的KPI异常检测竞赛,当然搞的时候就没觉得自己会拿奖(我指安慰奖),但没想到有这么悬殊.一方面是没搞过时间序列的东西,好多东西要重新开始学:另一方面是,谁知道我一搞竞赛,一向放羊的导师开始疯 ...
飞桨PaddleTS携手信润富联：共建工业异常检测精准智能化系统
在信润富联的一间实验室中,CTO冯建设正在与研发部的同事探讨"精密制造在线异常监测系统" MachineProphet的测试效果.结果让冯建设的技术团队兴奋不已: 这款最新研发的智 ...
OpenI启智社区开源算法框架推荐——新一代工业视觉无监督异常检测框架“READ”
工业缺陷检测是工业届非常重要且不可或缺的一项任务,由于工业场景异常缺陷多种多样,传统的机器视觉算法很难实现对缺陷特征完整的建模和迁移,算法复用相对困难,同时要求区分工况,从而造成大量的人力成本的浪费. ...
CMU赵越：异常检测的算法、案例和落地
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale线上分享:赵越,卡内基梅隆大学研究方向:异常检测等东南大学微软技术俱 ...
利用Kafka和Cassandra构建实时异常检测实验
导言异常检测是一种跨行业的方法,用于发现事件流中的异常事件 - 它适用于物联网传感器,财务欺诈检测,安全性,威胁检测,数字广告欺诈以及许多其他应用程序.此类系统检查流数据以检查异常或不规则,并在检测 ...

韩国制造集团选择SQream平台进行异常检测

韩国制造集团选择SQream平台进行异常检测

需求

商业挑战

商业冲击

为什么选择 SQream？

各方面取得的积极成果

韩国制造集团选择SQream平台进行异常检测相关推荐

最新文章

热门文章