痛點(diǎn)
系統(tǒng)發(fā)生風(fēng)險(xiǎn)前無(wú)法及時(shí)預(yù)警；
設(shè)備資產(chǎn)多，維護(hù)成本高，連續(xù)性生產(chǎn)特點(diǎn)顯著，一旦發(fā)生故障則全線停產(chǎn)，損失嚴(yán)重
機(jī)器學(xué)習(xí)樣本數(shù)據(jù)難于搜集，故障模型難以確定；
系統(tǒng)復(fù)雜度越來(lái)越高，系統(tǒng)崩潰的可能性也越高，且通常并沒有早期征兆；
高度復(fù)雜的系統(tǒng)受外界不確定性影響的風(fēng)險(xiǎn)更大；且外界不確定性很難預(yù)知。
用戶價(jià)值
可對(duì)復(fù)雜系統(tǒng)進(jìn)行綜合分析，無(wú)需進(jìn)行機(jī)器學(xué)習(xí)。
可對(duì)海量數(shù)據(jù)進(jìn)行分析，秒級(jí)響應(yīng)。
可對(duì)影響系統(tǒng)風(fēng)險(xiǎn)的主要變量進(jìn)行識(shí)別。
通過(guò)系統(tǒng)復(fù)雜度分析對(duì)系統(tǒng)進(jìn)行提前報(bào)警，在風(fēng)險(xiǎn)發(fā)生前做出預(yù)判。
核心優(yōu)勢(shì)
對(duì)輸入數(shù)據(jù)要求低，可對(duì)原始數(shù)據(jù)進(jìn)行分析
超量數(shù)據(jù)處理能力
實(shí)時(shí)監(jiān)測(cè)分析（可寫入芯片）
預(yù)測(cè)系統(tǒng)熵，突變預(yù)測(cè)
可分析系統(tǒng)復(fù)雜度/穩(wěn)定性，數(shù)據(jù)相關(guān)性，主要變量識(shí)別
應(yīng)用領(lǐng)域廣泛，已在金融、醫(yī)療、車聯(lián)網(wǎng)、智能制造等行業(yè)有成功案例
應(yīng)用場(chǎng)景
復(fù)雜生產(chǎn)現(xiàn)場(chǎng)風(fēng)險(xiǎn)預(yù)測(cè)
在特定位置點(diǎn)，以一定頻率采集傳感器數(shù)據(jù)，可進(jìn)行實(shí)時(shí)監(jiān)測(cè)，提供早期預(yù)測(cè)。
儲(chǔ)能電站風(fēng)險(xiǎn)預(yù)測(cè)
對(duì)儲(chǔ)能電站電池組進(jìn)行實(shí)時(shí)監(jiān)控，判斷故障電池及定位，給出告警信號(hào)，避免事故發(fā)生。
數(shù)字模型的可信度測(cè)量
判斷數(shù)字化模型模擬真實(shí)事物的仿真度如何。
復(fù)雜設(shè)備結(jié)構(gòu)健康監(jiān)測(cè)
在故障即將發(fā)生之前提供系統(tǒng)失效的早期預(yù)警信號(hào)
醫(yī)療健康監(jiān)測(cè)
病人生命體征監(jiān)控及健康狀況預(yù)測(cè)
金融領(lǐng)域風(fēng)險(xiǎn)預(yù)測(cè)
股市、基金風(fēng)險(xiǎn)分析
算法介紹
復(fù)雜度映射圖
復(fù)雜度映射圖：
?即便在結(jié)點(diǎn)和連接數(shù)都很大的情況下，仍然易于分析
?可以很容易地確定出樞紐點(diǎn)
傳統(tǒng)圖：
?當(dāng)結(jié)點(diǎn)和連接數(shù)很大時(shí)，難于分析（意大利面效應(yīng)）
?難以確定樞紐點(diǎn)
臨界復(fù)雜度
復(fù)雜度不會(huì)無(wú)限地增長(zhǎng)，它有最大值。最大值被稱為臨界復(fù)雜度，在接近臨界復(fù)雜度時(shí)，系統(tǒng)會(huì)變得易損和脆弱。
在達(dá)到臨界復(fù)雜度之后，復(fù)雜度就會(huì)開始衰退，除非對(duì)系統(tǒng)進(jìn)行結(jié)構(gòu)改變。
復(fù)雜度與健壯性
在接近臨界復(fù)雜度時(shí)，系統(tǒng)功能不容易正?！湫袨闀?huì)變得不可預(yù)測(cè)。
系統(tǒng)的脆弱性與其和臨界復(fù)雜度之間的距離成正比。管理良好的系統(tǒng)總會(huì)保持好與臨界復(fù)雜度的安全距離。
復(fù)雜性的突然變化意味著(內(nèi)源或外源性的)損傷，可能被視為危機(jī)的早期預(yù)警和前兆。
變量識(shí)別
可分析系統(tǒng)復(fù)雜度，以及影響復(fù)雜度的主要變量識(shí)別
算法原理
?復(fù)雜度定義為結(jié)構(gòu)和熵的函數(shù)，如下所示：C= f(S○E)
?其中S表示N×N鄰接矩陣，E是N×N熵矩陣,○是哈達(dá)瑪矩陣乘積算式，f是范數(shù)算式。
?上面的公式代表了復(fù)雜性的一個(gè)形式化定義。鄰接矩陣是通過(guò)專利的多維算法確定的，這就確立了有關(guān)系統(tǒng)的結(jié)構(gòu)。
?{E}各分量之間的關(guān)系強(qiáng)度，即所謂的廣義相關(guān)，是基于熵和香農(nóng)信息論的概念進(jìn)行計(jì)算。我們選擇了這種方法因?yàn)樗苊饬藗鹘y(tǒng)的基于模型的技術(shù)試圖描述數(shù)據(jù)的缺點(diǎn)。
?我們“無(wú)模型”方法的巨大優(yōu)勢(shì)是它獨(dú)立于數(shù)據(jù)的數(shù)值調(diào)節(jié)和識(shí)別結(jié)構(gòu)存在的能力。一旦得到了熵矩陣和鄰接矩陣，就可以計(jì)算出系統(tǒng)的復(fù)雜度。
?QCM可以不需要數(shù)據(jù)進(jìn)行目前AI類算法的訓(xùn)練工作，直接根據(jù)原始數(shù)據(jù)進(jìn)行系統(tǒng)的復(fù)雜度分析，得到系統(tǒng)是否臨近穩(wěn)定邊界，從而對(duì)系統(tǒng)進(jìn)行事先預(yù)警。
復(fù)雜度實(shí)時(shí)計(jì)算
地址：北京市豐臺(tái)區(qū)菜戶營(yíng)南路139號(hào)中陽(yáng)大廈703A
電話：010-63852037
商務(wù)郵箱：business@norteksoft.com