随着机械进建等AI算法钻研不休深刻与遍及
，通过挖掘工业大数据实现出产过程可预测、可优化逐步成为构建企业主题竞争力的重要蹊径。

?

从技术层面看
，基于机理的传统优化建模软件在现实利用中投入大
，模型收敛调优复杂
，而基于机械进建算法的通用大数据建模技术拥有技术门槛高、业务难定造的特点
，导致炼化企业优化出产处于罕见据、无模型、有模型、难利用的被动局面。

?

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、模型难以持续守护
，解决分歧出产领域问题均需以项目课题大局执行
，严沉造约机械进构筑模技术在炼化企业落地赋能。

?

BBIN宝盈集团?Sentosa数据科学与机械进建平台
，为炼化企业提供了完整的炼化大数据机械进构筑模平台。整个平台可部署于工业互联网平台下的AI服务器
，能够代替机理建模。

?

同时平台所蕴含的算法重要分为两部门
，一是通用数据科学挖掘算法
，蕴含数据预处置和主流机械进建算法；二是优化算法
，蕴含模型自训练算法和智能优化算法。

?

另表
，平台支持通过成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
，迁徙建模特点
，为大数据算法落地提供特点模板与数据基础。