了解传感器测量数据

当传感器最初与资产配对时， Amazon Monitron 将从设备收集的振动和温度数据中学习，从而建立基线来确定该资产的 “正常” 情况。它将利用这一学习结果来检测未来可能出现的故障。

视情况而定，运营场景、用例和各种参数（例如资产的占空比） Amazon Monitron 将需要 14 到 21 天才能建立该基准。在初始学习和训练阶段，系统会假设资产的运行状况正常。

在确定资产基准后， Amazon Monitron 监控其收集的数据，寻找表明潜在故障的事件或趋势。它会特别关注温度或振动水平的增加，或两者同时增加的情况。温度增加和振动增加是机器故障的两个主要指标。机器异常通常表明资产开始出现故障。

Amazon Monitron 使用国际标准化组织 (ISO) 为您的机械类别设定的振动阈值。它将 ISO 设定的阈值与自我训练模型相结合，来评估适合您设备的实际阈值。例如，如果您的机器运行有点热或有点冷，或者它的振动幅度略高于标准水平，则可以稍微 Amazon Monitron 调整阈值，以便它可以更准确地识别机器何时出现异常行为。

在初始学习和训练期间，您收到的唯一的警报将来自 ISO 模型（不需要任何学习时间）。在训练期间，您应像处理其他警报一样处理 ISO 警报，即确认警报、对机器执行任何必要的审查，然后使用适当的操作代码关闭警报。之后， Amazon Monitron 继续微调基线，随着传感器收集更多数据，可以更好地了解 “正常”。

如果温度或振动水平间歇性地超过修改后的阈值，则可能会出现故障，但情况可能不会很紧急。在这种情况下， Amazon Monitron 会发送Warning通知。如果上升幅度持续高于阈值，说明情况明显异常，发生故障的可能性较大。在这种情况下， Amazon Monitron 会向移动或网络应用程序发送Alarm通知。

移动应用程序通知

Web 应用程序通知

在本示例中，Position 3 传感器检测到温度和振动水平持续上升，表明需要对潜在故障进行调查。