从实时数据中抽取对应的实施目标参数yᵣ。由健康度评估参数对实时预测参数与实时目标参数的差异进行对比。建立健康度评估模型，并根据健康度评估模型给出阀健康状态打分。

生成给水阀健康模型

根据上述思路，根据阀正常状态下的（多阀组合）的目标参数和工况参数，运用线性回归模型和支持向量机模型进行建模。得到组合阀不同工况下的健康模型fₕ ：

根据主阀的实时参数生成动态健康基准：

图中，阀门组合在一月中旬超越动态基准。此时根据设备健康度评估模型，给出的健康度评分：

模型计算结果中，在一月上旬就出现了健康度下降。但是当时现场的工程师在2月中旬发现了阀组合的故障，并进行了维修。从此模型的分析可以看出，模型做到了“准确，提前”的要求，实现了“智能”。

智能化实践的启发

工业设备的智能化实际价值就是降低成本，提升效能。在设备领域最直接的体现就是智能运维。运维工作中的成本包括备品备件成本、人工成本、停机成本等。

本此对阀门进行的智能健康管理项目，通过数据分析方法和K2Assets产品，实现数据对设备的24小时巡检，大幅度减少健康管理中的人工成本。算法的准确行大幅度避免了非计划停机成本。是直接体现工业设备智能化价值的实践。

智能的算法是实现工业设备智能运维的核心。而智能的算法不仅以来数据本身，更是需要对工业机理的充分理解才能产生具有实际效果。

基于K2Assets平台上实现与数据的连接，利用算法产生的“智能”结果、界面友好的应用等实现智能算法的落地。

真正的工业智能化实践是IT、DT、OT的深度融合。这正是K2一贯的行为范式。