SAP智能资产管理解决方案利用机器学习和物联网智能资产的实时数据实现资产管理的数字化转型，trustdata大数据，为整个供应链带来智能。您可以不断改进流程和预测结果，跨网络协作并提供差异化服务，同时创造新的收入来源，开发新的竞争和颠覆行业的方式（请参阅https://www.sap.com/about/announcement/intelligent-asset-management.html).SAP Intelligent Asset Management在整个EAM产品组合中列出了五种基于云的SAP产品。这五项服务包括：SAP资产智能网络、SAP资产战略和绩效管理、SAP预测性维护和服务、SAP预测性工程见解和SAP移动资产管理。

SAP预测性维护和服务将传感器数据与业务信息结合起来，以帮助提高服务盈利能力，服务器云，降低维护成本，提高资产可用性。

机器学习被用作SAP预测性维护和服务的一部分，用于检测收集的传感器数据中的故障模式，从而提醒必要的维护。为此，该解决方案包含多种标准算法，这些算法是与我们的客户密切合作开发的，适用于预测性维护的通用方法，支持所有资产类型。

但是，作为标准的一部分提供的算法并不适用于所有用例——它们侧重于异常检测和故障预测。为了能够解决其他用例，并允许客户和合作伙伴将其现有的（可能是特定于资产的）算法与SAP Predictive Maintenance and Service结合使用，需要一种扩展标准功能的方法。

为了满足这一需求，SAP Predictive Maintenance and Service，machine learning发动机加长杆已松开。它包括一组客户端工具，可用于提取传感器和维护数据的融合，并将分析结果写回SAP Predictive maintenance and Service。该工具可以从命令行使用，但我们也提供了R和Python的包装器，以便该工具的使用可以嵌入到用户的分析脚本中。

使用SAP Predictive Maintenance and Service机器学习引擎扩展所遵循的过程如图1所示。使用提供的客户端工具，用户可以从SAP预测性维护和服务后端提取传感器/指示器和主数据的组合。首先，一个数据集定义说明了哪些设备。将检索设备模型数据。数据集定义还包含有关从哪些指标读取以及如何聚合其值的信息。或者，数据集定义还可能包含故障标志，指示设备在哪些时间点发生故障。

基于此定义以及应提取数据的时间范围，可以使用客户端工具检索数据集。提取的数据集可用于探索性分析、新算法的开发/测试，或用于应用先前定义的模型。使用该工具，可以将结果分数（以与设备相关联的时间序列的形式）写回SAP Predictive Maintenance and Service。在SAP Predictive Maintenance and Service内部，结果被建模为指标。因此，云主机云服务器，可以在结果之上定义规则，购返利，以检测违反阈值的情况，并触发后续操作以创建通知或警报。

SAP Predictive Maintenance and Service，machine learning engine扩展提供了三种不同的接口：Java命令行工具、提供与R绑定的R包数据表, 一个Python包提供了对pandas数据帧的绑定。

在这篇博文中，示例将集中在Python接口上。有关其他接口以及安装说明的更多详细信息，请参阅交付时提供的自述文件。

凭据

在下载或上载数据之前，您必须建立到SAP预测性维护和服务系统的连接。这需要基础资产Central Foundation和SAP Leonardo IoT（SAP IoT应用程序启用）的API访问密钥。您可以使用命令CF Marketplace、CF create service、，cf创建服务密钥并使用cf服务密钥检索它。

建立连接

要建立到后端的连接，可以使用以下代码段：从mle\U连接器导入MLEConnector

检索数据

从系统收集特征时，连接器需要数据集定义（dataset）。此数据集是"Health Indicator Data Set Configuration"中数据集的JSON表示。

您可以使用UI创建包含数据选择和聚合的数据集，并将JSON复制到Python或R IDE。

要获取数据集JSON，请使用以下URL:

例如，如果您的数据集名为test123，访问以下URL，

并将JSON复制到Python或R中。

结果是一个具有以下结构的表：

一个以警报为标签的示例数据集如下：

一旦检索到数据，您就可以在您的环境中使用它进行探索，用于培训或为模型评分。

持续评分

完成分析后，您可以将结果上载到SAP Predictive Maintenance and Service。在本例中，scores是一个包含以下列的数据帧：Equipment（string）、EquipmentModel（string）、Timestamp（datetime64[ns，UTC]），score（float64）

Mapping定义从列到指示符的映射。

persist方法没有返回值，返利优惠券，如果出现问题会抛出ValueError。

凭证安全