在故障发生前看到它

产品定位

预测与优化平台（Cortex）是工业时序智能的算法运营工厂：时序预测、异常检测、数据插补的算法能力，经 DAG 流水线编排、模型全生命周期治理，最终以“场景应用”的形态交付到生产——让算法价值可落地、可运营、可度量。

解决什么问题

告警靠人海。 一天 3000 条告警只看前 10 条。异常检测算法体系面向工业测点捕捉早期微弱特征，检测任务化执行、结果可回溯、与告警联动——AI 先筛一遍，人只做决断。

预测没有不确定性。 时序预测默认输出多分位概率预测（0.1/0.5/0.9），不只给一条线，还给置信区间——检修窗口决策有量化依据。

模型上线即失控。 模型工厂提供注册、版本、微调任务、漂移检测、重训建议五位一体的自愈闭环：模型劣化被监测、触发重训建议、在线增量微调后台完成无需停机。

核心能力详解

Chronos-2 基础模型与多路径推理

内置时序基础模型与多条推理路径按模型类型自动路由；三级降级策略（基础模型 → 传统模型 → 统计基线）保障推理服务高可用，纯 CPU 降级端点兜底无 GPU 环境；模型内存池单例缓存，推理性能稳定。

TE 时序自助分析

工艺工程师的自助工作台：工作簿 + 图层的交互画布多序列叠加分析；Aviator 公式引擎做虚拟测点计算；模式搜索按相似度找历史相似工况；SPC 控制图、PCA 多元分析与黄金批次对比助力根因定位——不写代码也能洞察数据。

可视化算法编排

拖拽式 DAG 画布 + 60+ 节点执行器覆盖读取、预处理、特征、训练、评估、输出全链路；算法市场统一登记与共享；调试中心（沙箱、节点快照、采样数据、指标面板）把问题定位做到节点级；实验管理参数指标产物可对比可复现。

数据接入与治理运营

多类型数据源（数据库、时序库、消息流、CSV、API）统一接入，数据集版本与协变量体系化管理；字段级数据画像让质量一目了然；治理中心（告警、监控看板、成本报告）让算法运行可观测、成本可度量。

常见问题

没有算法团队怎么用？——TE 自助分析与 AutoML 自动建模面向业务人员；算法场景亦可由场景应用模板起步。

和储能电价预测什么关系？——储能方案中的日前电价多分位预测正是本平台时序能力的行业化应用：同一引擎，不同场景。

一个场景串起完整闭环：供热负荷预测

1. 换热站的供温水温、回水温度、循环流量等数据已通过物联感知持续采集；
2. 算法工程师创建「未来 24 小时热负荷预测」任务，选择对应测点与历史数据范围；
3. 平台调用内置时序模型完成训练与预测，输出预测曲线与置信区间；
4. 值班人员每日查看预测结果，提前调整锅炉出力与管网调度；
5. 当实际负荷持续偏离预测区间时，由异常检测规则产生告警，提醒复核模型或现场工况。

数据 → 模型 → 预测 → 告警，一个场景走完全链路。

模型持续运营

训练完成自动沉淀新版本，支持效果评估与版本切换——模型越训越准不是口号，是版本机制保证的：每个版本有登记、有评估指标、有上下线控制，效果回退可以一键切回。任务执行状态、运行日志与告警记录集中查看，算法运行全程可观测。

与平台其他能力的配合

算法中台聚焦『算』这一环：数据从哪来由采集侧承接，结果给谁看由可视化承接，联动通知谁由报警配置决定。