在过去几十年中，随着各类大型系统性能的日益提高以及复杂性和集成度的急剧增加，使得重要装备的维修保障费用也急剧增加，传统模式下带来的巨大财力、物力和人力的耗费让相关企业愈加难以负担。通过近十年来，以机器学习为代表的人工智能技术发展迅猛，在学术界和产业界都发挥着巨大的实用价值，正在成为故障预测与健康管理技术对重要突破口，该技术是对传统方式的改进与完善，极大降低企业负担。

力维智联 Sentosa数据科学与机器学习平台，通过对关键设备在复杂系统环境下的海量历史数据进行数据挖掘和机器学习训练，预测设备未来健康状态。

具体而言，针对设备自主健康管理引入Sentosa数据科学与机器学习平台主要通过业界主流先进的图形化“拖拉拽”提供端到端数据分析与建模能力，通过平台内数据预处理算法、自动特征工程算法、主流机器学习与深度学习算法、模型自动训练方法，最终实现面向设备的多算法联合诊断与智能诊断模型开发。再将算法模型从平台中导出并集成到设备现有的管理系统中，进行状态参数准确预测及故障的准确预测，形成智能化的设备自主健康管理。