隨著機器學習等AI算法研究不斷深入與普及，通過挖掘工業大數據實現生產過程可預測、可優化逐漸成為構建企業核心競爭力的主要途徑。

?

從技術層面看，基于機理的傳統優化建模軟件在實際應用中投入大，模型收斂調優復雜，而基于機器學習算法的通用大數據建模技術具有技術門檻高、業務難定制的特點，導致煉化企業優化生產處于有數據、無模型、有模型、難應用的被動局面。

?

從項目層面看，基于機理建模、大數據建模項目周期長、投入大、模型難以持續維護，解決不同生產領域問題均需以項目課題形式實施，嚴重制約機器學習建模技術在煉化企業落地賦能。

?

力維智聯?Sentosa數據科學與機器學習平臺，為煉化企業提供了完備的煉化大數據機器學習建模平臺。整個平臺可部署于工業互聯網平臺下的AI服務器，可以替代機理建模。

?

同時平臺所包含的算法主要分為兩部分，一是通用數據科學挖掘算法，包括數據預處理和主流機器學習算法；二是優化算法，包括模型自訓練算法和智能優化算法。

?

另外，平臺支持通過建立與煤柴油加氫裝置有關的工藝和質量的專題數據集來固化先驗知識，遷移建模特征，為大數據算法落地提供特征模板與數據基礎。