随着机械学习等AI算法研究不绝深入与普及，通过挖掘工业大数据实现生产历程可预测、可优化逐渐成为构建企业焦点竞争力的主要途径
。

?

从技术层面看，基于机理的古板优化建模软件在实际应用中投入大，模型收敛调优庞大，而基于机械学习算法的通用大数据建模技术具有技术门槛高、业务难定制的特点，导致炼化企业优化生产处于有数据、无模型、有模型、难应用的被动局面
。

?

从项目层面看，基于机理建模、大数据建模项目周期长、投入大、模型难以连续维护，解决差别生产领域问题均需以项目课题形式实施，严重制约机械学习建模技术在炼化企业落地赋能
。

?

凯发k8国际?Sentosa数据科学与机械学习平台，为炼化企业提供了完备的炼化大数据机械学习建模平台
。整个平台可安排于工业互联网平台下的AI效劳器，可以替代机理建模
。

?

同时平台所包括的算法主要分为两部分，一是通用数据科学挖掘算法，包括数据预处理和主流机械学习算法；二是优化算法，包括模型自逊с法和智能优化算法
。

?

另外，平台支持通过建立与煤柴油加氢装置有关的工艺和质量的专题数据集来固化先验知识，迁移建模特征，为大数据算法落地提供特征模板与数据基础
。