在下面的博客中，我将展示如何使用SAP云平台的预测服务来检测生产机器的异常行为。在理想情况下，这可能是避免未来机器意外停机的基础。

云平台，预测服务API似乎很有前途。您可以对一组数据进行预测，而不需要编写一些代码，甚至不需要携带数据的结构。你要做的唯一一件事就是把你的数据放到云平台上，然后调用直观的、预定义的API服务。

在玩它的时候，我想到了一个可以用这个云平台服务解决的真实案例场景。嗯，这个领域目前讨论最多的话题之一是预测性维护，因此我选择了这个话题，并尝试在这个领域设计一些东西。

所以让我们为我的商业案例拉开帷幕

想想一家生产公司，它的生产区有很多钻床。这些机器是固定的，但由于运动部件，它们在三个轴上有运动。由于它们在没有人机交互的情况下工作，因此应通过检查传感器数据来预测出现的问题，例如主轴问题。

由于带有内置传感器的钻床用于测量3轴位置，目前很少出现，而且玩起来成本太高，我将手机固定在钻床上简单的钻孔机，通常用于在我的公寓墙上固定图片；-）。

在我的移动设备上安装了免费的Android应用程序加速计，测试设置就完成了。

我不会在这个博客中描述SAP云平台、预测服务的设置，因为在SCN领域已经有一个优秀的博客：Predictive Services初学者工具包如果您喜欢视频教程，我推荐SAP HANA Academy系列的以下两个教程：SAP HANA Academy–HCP Predictive Services:Getting Started（试用版）和SAP HANA Academy–HCP Predictive Services:Outliers.

我坚持使用视频教程。在遵循两个教程的说明之后，数据更新，大数据是什么，只剩下一个步骤来获得我的示例设置：

另外，我添加了一个表位置数据，字段ID，X，Y和Z到HANA MDC数据库中的模式PS\ U数据。

在加速器应用程序中启动传感器采集后，我打开钻床约50转，连续改变速度。在最后5次旋转之前，我轻轻地踢了一下机器，模拟主轴、y轴紧固件或类似的故障。

为了方便起见，我先手动将收集到的传感器数据传输到我的计算机，大数据产品，然后再传输到云平台。加速器应用程序为每个记录提供一个CSV，因此导入SAP云平台上的HANA MDC数据库非常简单。

从移动电话检索到的传感器数据包含大约1100个数据点。在我的例子中，钻床是水平的，移动设备也水平地固定在钻床上。这就解释了为什么x轴和z轴的值有高峰值（旋转轴）和y轴的小峰值（旋转轴）–如果你介意的话。

有数据的电子表格可以在https://github.com/andau/outliers

为了分析我的数据，我选择了Outliers API。我的假设是，如果在某个时间范围内有一个密集的异常值集群，这应该与（即将发生的）故障相对应。

结果包含19个异常值，如下图所示。其中13个聚集在一个区域，其余6个随机分开。因此，可以假设在数据点1000旁边的位置有一个不寻常的行为，正好对应于我给钻床的轻微踢击，预测服务正在运行，购物领券，处理不同API函数的直观性如何。

如果传感器数据趋势为smove和/或如果异常值与常见趋势有显著区别，则异常值服务似乎会产生良好的结果。我得到的最佳结果与传感器数据相关的窦函数，这是上述例子的情况。与另一台传感器数据中有大量噪声的机器一起工作会导致不满意的结果。

作为这一概念的后续步骤，下一步将是实时发送机器传感器数据。嗯，这是一个工作，中国移动物联网，但我没有看到一个显示在这一步停止位。几乎实时地得到结果是另一回事。目前，我只知道一次注册整个数据并执行分析的可能性，这需要一些时间，如上图所示。

在我看来，理想情况下，可以发送一个传感器数据点（例如，一个数据点仅用于X、Y、Z）并接收信息，如果与其他数据点相比，这个数据点是一个异常值样本数据集或已经传输的数据集。

感谢您在本博客结束前阅读SAP云平台predictive services的用例。最后，我想鼓励您在下面的评论部分分享您的经验、建议和问题。