mairs是IOT提供的数据分析服务中的在线“人工智能”服务，是IOT工业IOT数据分析服务系统indass的延伸服务，为工业设备的持续运行提供风险识别。
所谓风险识别是判断未来风险的可能性，包括设备故障的风险、设备运行稳定性问题(或由稳定性引起的各种问题)的风险、设备状态突然变化的风险。

[/h/让我们简单地把麦尔斯理解为一个能够识别工业数据的机器人。当麦尔斯出生的时候，虽然他们有大脑，但是他们没有大脑，因为麦尔斯没有知识。因此，我们必须首先培养它。因此，我们要为mairs做两件事:
第一件事是深度学习，即利用已有的数据样本来训练模型，即让mairs学习“知识”；
第二件事是将学到的“知识”转化为一种服务，以识别设备的运行状态，并判断未来的各种风险。
让我们先来谈谈mairs的培训。所谓的训练就是从以前从许多设备收集的数据中制作一个“训练样本”，并使用这个样本不断地训练mairs模型。这种训练可以被描述为“向他人学习”，因为麦尔斯从所有类似的设备中学习，所以即使面对一个新推出的设备，它也能预测这个设备从未见过的情况。与此同时，学习和训练mairs是一个“活到老，学到老”的过程。不间断的学习丰富了人们的知识，提高了识别的准确性。
让我们把重点放在mairs的识别上。

记住indass，其中设备的实时数据是通过指数计算的，除了指数的级别之外，指数也是通过mairs中的三维梯度计算的。换句话说，我们不仅需要知道指数的当前水平，还要知道指数是如何变化的。就像股票指数一样，虽然都是3000点，但从3500点下跌的仍然是从2500点上涨的，意思完全不同。除指数和指数梯度外，其余是设备的特征值，如温度、压力、电流和电压。
首先，应该理解的是，mairs的数据源是indass，它是知识产权联盟的数据分析(计算)服务。那么，麦尔斯是怎么判断的？

我们看到的是，我们的识别分为几个部分:
(1)综合评估。前面是计算出的数字，它是代表一系列可能情况的组合值；然后是符号，如n，oq，oa，of等。，分别代表可能的情况:
n代表正常，即一切正常；
OQ代表超额，这意味着数据可能超出正常范围；
OE代表on事件，这意味着可能发生了一些意外事件；
代表on故障，这意味着可能发生了一些故障；
OA表示处于警戒状态，这意味着可能会出现一些警报。

(2)在4个预测区间(10、30、60和90分钟)内失效、稳定和突变风险的概率(0.00 ~ 1.00，即0% ~ 100%)。这里应该说明的是，这个预测是基于“连续运行”的预测，也就是说，设备不会在中途启动或停止。
mairs模型是专门为工业设备操作识别而设计的，它不同于其他ai(人工智能)应用，也不是“学习10000张猫的照片然后识别一只猫”那么简单。首先，mairs是一个动态识别模型，原因很简单，因为仅仅根据当前设备的参数，温度和压力，电流和电压频率等等，不仅不可能判断将来会发生什么，而且很难判断当前的状态。
这就是为什么我们不仅需要确定指数的水平，还需要确定指数变化的梯度。指数变化的梯度实际上是一个数学概念，它意味着指数变化的方向和程度。换句话说，mairs识别的基础不仅是指标的水平，而且是指标的变化。
让我们举个例子来理解一下:假设我们根据当前的上证综指来判断股市形势。事实上，从目前的3000点我们什么也不知道；然而，如果我们知道今天的3000点是从2500点上涨，我们基本上可以判断股市越来越好。如果这是三天之内的事情，那就是股市暴涨。如果是三个月的事情，只会越来越好；同样，如果我们知道今天的3000点从三天前的3500点下跌，我们就可以肯定地判断股市正在暴跌。
在同一预测区间内，实际上预测到了三件事:失败、稳定和突变。
(1)故障，这很容易理解，是在这个预测区间内发生故障的可能性。
(2)稳定性，指预测区间内设备稳定性问题或其他由稳定性问题引起的设备问题的可能性。我们应该记住indass中设备参数稳定性的计算，它实际上是在indass计算重要参数稳定性的基础上，对设备稳定性的整体稳定性趋势的判断。
(3)突变意味着会有一个状态突变。例如，设备崩溃是一种突变。举一个极端的例子，一个设备的额定压力是10兆帕，当它达到15兆帕时，它就超过了安全阈值，但是一旦达到20兆帕，它就可能爆炸，这是一个突然的变化。麦尔斯根据突变的折叠模型进行拟合，预测设备连续运行区间的突变风险。
麦尔斯是知识产权联合会工业物联网系统的新成员。在不久的将来，麦尔斯肯定会成为设备操作的守护神。