异常与故障检测
Canopy 从历史机器数据中学习正常行为，并将其与当前信号进行比较，以便尽早发现正在形成的问题。
Jungle AI
认领Jungle AI 是面向机器性能监测和预测性维护的 AI 平台，Canopy 专注风电和光伏资产团队，利用现有 SCADA 和传感器数据识别异常、优先处理问题并减少停机时间。
概述
Jungle AI 是面向机器性能监测和预测性维护的 AI 平台，Canopy 是其面向风电和光伏资产的产品。网站将其定位为一种帮助团队利用现有 SCADA 和传感器数据及早发现异常行为、按运营和财务影响优先处理问题，并减少停机时间的方法。
Canopy 页面描述了一种围绕从历史数据中学习机器正常行为、在真实运行条件下标记偏差，并帮助资产、运维和性能团队决定应在哪些地方介入的工作流程。该产品被描述为远程且只读，无需特殊数据集或手动标注。
功能
情境感知告警
网站称警报是动态且具上下文感知的，因此提示会反映运行和环境条件，而不是固定设定值。
运营优先级排序
Canopy 会对性能不佳的情况进行分组，帮助团队识别最重要的问题，以便将干预重点放在影响最大的地方。
传感器级排查
该产品支持从资产组合层级一直深入到组件和传感器层级的排查，提供时间序列视图以及跨资产比较。
案例跟踪与协作
Canopy 页面说明，用户可以跟踪案例、监控状态，并添加评论和问题，以便围绕具体问题开展协作。
性能可视化
该产品提供平行坐标和性能曲线等可视化分析工具，用于比较资产行为。
用例
风电资产性能监测
风电场团队可以使用 Canopy 尽早发现性能不佳或组件问题，然后在其演变为停机或发电损失之前采取行动。
光伏电站故障检测
光伏运维团队可以使用同样的异常检测工作流来发现光伏电站中的异常行为，并优先安排维护工作。
运维问题优先级排序
性能和运维团队可以将最重要的问题与噪声监测信号区分开来，并将干预重点放在运营影响最明确的案例上。
传感器级故障排查
正在排查特定机器的团队可以从资产组合级信号逐步深入到组件和传感器视图，以比较行为并验证发生了什么变化。
协作式案例管理
运营团队可以跟踪活跃案例、添加评论，并在不离开产品的情况下协调处理正在发展的问题。
Pros and Cons
Pros
- 使用现有 SCADA 和传感器数据，因此根据网站说明不需要新硬件。
- 支持早期检测、优先级排序和问题跟踪，而不仅仅是呈现原始警报。
- 网站称部署是远程、只读的，通常可在 2-3 周内上线。
- Canopy 被描述为无需特殊数据集或手动标注即可工作。
Cons
- 网站未公布定价。
- 最有力的证据来自风电和光伏用例；Canopy 页面提到了更广泛的适用性，但没有深入文档说明。
FAQ
使用 Canopy 是否需要新的传感器或标注数据？
Canopy 旨在与资产已经生成的 SCADA 和传感器数据配合使用。源材料说明它不需要特殊数据集或标注输入数据。
Canopy 通常需要多长时间部署？
源材料说明部署是远程、只读的，通常可在 2-3 周内上线。
Canopy 支持哪些行业？
Canopy 是为风电和光伏资产绩效团队构建的，网站也在 Canopy 页面上展示了海事用例。
Canopy 帮助团队日常做什么？
网站将 Canopy 描述为一个用于检测异常行为、按运营和财务影响优先排序问题，并实时跟踪正在发展的问题的系统。
Quick Facts
- 类别
- 用于机器性能监测和预测性维护的 AI 平台
- 主要产品
- Canopy
- 主要行业
- 风电和光伏；Canopy 页面还提到了海事
- 数据来源
- 现有 SCADA 和传感器数据
- 部署方式
- 远程、只读，通常可在 2-3 周内上线
- 来源域名
- jungle.ai