寄云自主研发的半导体装备智能管控系统可实现对半导体装备及装备组群的远程管理和控制。基于寄云的工业物联网和工业大数据平台，为半导体装备提供从数据采集、数据管理、数据分析和数据可视化的全流程一体化数据服务能力。

采用跨平台技术的标准协议栈，实现了连接管理、事件收集、数据收集、警报、控制状态、设备终端服务、假脱机及消息日志等功能，全面支持E5、E30、E37等SECS/GEM协议以及E39、E40、E94、E87、E90、E173等GEM300协议，满足APC、FDC和EAP的高性能要求。

设备预测性维护系统，是寄云通过数据接入、数据治理、可视化建模技术，所构建面向不同装备的健康管理与预测性维护业务中台，提供装备实时状态监控、故障诊断、隔离、性能和寿命预测等相关模型管理及应用开发服务，让装备真正做到状态维护和预测性维护。

基于寄云的工业物联网和工业数据分析建模平台，实现从数据采集、数据存储、数据分析、数据可视化等一系列数据服务能力，形成了设备资产管理、设备在线监测、设备远程控制、设备维修管理、设备预诊维护等应用，是煤矿设备安全可靠运行的前提，也是实现煤矿智能化建设的基础。

装备智能运维系统是一套基于寄云工业互联网架构体系，所搭建相应的“边云协同”在线监测及预测性维护系统。

火电智慧监盘系统是由寄云研发的基于5G、互联网+、物联网、人工智能、大数据分析、云计算、虚拟现实等新概念和新技术，对传统电厂运行监控进行系统化升级，赋能建设更安全、更高效、更经济、更环保的现代化智慧电厂。

寄云半导体质量分析应用可以帮助半导体制造商快速定位缺陷，利用大量的实时数据进行模型分析，对缺陷进行分类，在过程中通过生产过程数据和质量目标的模型构建，可以推荐更优的工艺参数给到相关设备，以实现生产优化。

基于寄云的工业物联网和工业数据分析建模平台，实现从数据采集、数据存储、数据分析、数据可视化等一系列数据服务能力，形成了设备资产管理、设备在线监测、设备远程控制、设备维修管理、设备预诊维护等应用，是煤矿设备安全可靠运行的前提，也是实现煤矿智能化建设的基础。

风电机组运行过程中通过提取相关特征，包括机舱加速度、速率比、平均桨距角、最大桨距角、变桨速率、发电机转速等，采用监督学习分析方法建立正常与故障模型，确定螺栓断裂发生的时间段，再通过对分类算法阈值的不断学习，逐渐找到精准的断裂发生时间点，进而实现对螺栓断裂的精准预测。

风机叶片冰冻预测案例是首先对数据进行预处理，然后通过特征工程构造新特征，接着经过强过滤将风速进行分段处理，再通过特征选择选取建模的特征，最后在两个不同风速段上用 KNN 算法分别进行建模，最终结果用混淆矩阵的方式将预测结果和实际结果进行对比。

风机功率曲线性能评估案例是首先对数据进行预处理操作，然后对数据按照风速大小进行分仓，接着采用组内方差最优算法挑选出正常的数据，再采用随机森林回归算法对筛选出的正常数据进行训练建模，最后用训练的模型计算得到该风机的标准功率曲线。

风力发电机组对风偏航检测首先需要对机组SCADA运行数据进行异常值清洗，由于每个风速下的对风偏差可能都不一样，需要对风速进行分仓，找出每个风速仓内最大功率对应的对风角度，最后通过线性拟合的方法找出各个风速分仓内的对风角度与实际对风偏差的权重关系，从而建立模型。

风机高速轴承寿命预测案例是首先通过时域、频域和时频域角度新增统计特征，再通过单调性指标挑选出最好的特征作为模型训练的特征，最后采用指数退化算法模型对不同天数的训练数据进行轴承剩余寿命的预测，最终得到轴承剩余寿命估计以及置信区间。

联合循环发电厂是同时使用燃气轮机和蒸汽轮机发电的发电厂。燃气轮机产生的废热用于产生蒸汽，该蒸汽被馈送到蒸汽轮机以产生更多的电能。这将增加相同量燃料的发电量（最多增加50％），并将工厂的效率提高到约60％。联合循环发电原理图如下图所示。

抽油机井工况识别与故障诊断案例首先对数据进行清洗，采用聚类算法找出抽油机井工况，包括正常工况和故障工况，然后根据各个工况的类型进行标记，再采用分类算法构建故障分类模型。

对于轮对剩余寿命的预测问题，通过历史轮对的检修及镟修记录数据，结合Gamma 过程拟合轮径磨损量，预测距离上次量测后，轮径剩余可行驶里程的估计。并可以根据业务经验设置预警阈值，提醒镟修或更换。