INDASS是智物联Mixlinker体系中的工业物联网数据分析服务系统（Industrial Data Analysis Service System），是智物联Mixlinker提供的工业物联网数据分析服务。
我们知道，智物联Mixlinker工业设备物联网的三大基础部分内容，分别是：
第一部分：工业设备数据采集、数据组织、数据发送到云平台——适配器APRUS和APICO；
第二部分：云平台数据接收、再组织、存储、快速检索，以及进行分发和交换——GARDS；
第三部分：数据的展现和相关信息的管理——FIDIS。
这三部分是智物联Mixlinker工业设备物联网最基础的工作，他们都是围绕工业设备数据这个核心进行一系列相关工作的。
工业物联网数据分析
简称数据分析，是对工业设备数据更加深入的应用，其目的就是通过对这些数据深入计算和分析，找出数据的变化规律，从而分析出设备运行的规律。
数据分析包括两方面内容，分别是：小数据分析和大数据分析。
小数据分析
就是通过对最近一段时期（如几个小时、一天）之内各单台设备运行数据的分析，对单台设备当前的运行状态做出客观评估，并对单台设备在未来一段时间的运行情况进行预测，这就是INDASS。
大数据分析
就是根据一个（或多个）确定的分析命题，并基于同类或不同类多台设备（或设备群）所采集的，在相当长时间（如三个月、半年、甚至一年）的数据进行分析，达成（或接近）命题所要求分析结果。
要做大数据分析，我们需要做三件事：
第一：建立大数据分析的命题，并评估命题的可行性，命题就是我们想要知道的问题和答案。
比如，我们可以提出这样的命题：
“我们生产的柴油发动机的不同型号或者系列的一致性有没有差别？有什么差别？”
或者是这样的命题：
“我们生产的柴油发动机，在东北、西北、华中、华南等不同地域条件下，运行能耗有没有差别？有什么差别？有多大差别？是什么原因导致的这些差别？”
或者是这样的命题：
“我们的柴油发动机，在不同的工况条件下，如内陆油田钻井平台、海洋钻井平台，发生故障的频率、故障的原因、故障的类型，有没有不同？有什么不同？是什么原因导致的不同？”
无论是什么命题，都需要对命题的可行性做出评估，因为并不是所有的命题都一定能分析出一个客观可信的结论。比如这样的命题：“我们的柴油发动机产品销售到某地，对该地的文教事业有什么影响”。这个命题，很显然我们是无法从柴油发动机的运行数据中找到答案。
第二：根据命题设计数学模型，然后基于刚才说的大数据，进行一系列的计算和分析。
这里说的是两个东西，一个是建立数学模型，另一个是计算和分析。怎么去建立数学模型呢？我们先忽略“数学”这两字，就说“模型”。如果我们用通俗的话来解释，那么模型可以简单理解成一个“模子”，就像我们做月饼需要 “模子”一样，把月饼的内容（皮儿和馅儿）放到模子里面再拿出来，就是月饼的模样。
我们用刚才说到的一个命题来举例子：“我们生产的柴油发动机，在东北、西北、华中、华南等不同地域条件下，运行能耗有没有差别？有什么差别？有多大差别？是什么原因导致的这些差别？”
这个命题的模子是这样的：
这个模子的意思是，我们把大数据按六个区域的数据进行过滤和区分，然后把每个区域的相关数据，也就是能耗以及跟能耗有关的数据特征进行计算和提取；然后我们再把提取出来的能耗特征进行比较分析。这个比较分析并不是盲目的，是需要按我们确定好的议题来：
（1）差别存在的比例有多少、从而判断差别是不是具有普遍性；
（2）差别现象是什么、差别表现在哪里；
（3）把差别量化，要分析出究竟不同的现象对应有什么差别程度；
（4）对应的差别现象、对应的差别程度，相对应的原因都是什么。
第三：就是刚才我们说的分析结果，输出报告。大数据分析给这个报告提供了明确的论点；大数据就是这个论点的论据；大数据分析就是这个论点的论证。
前面我们对“小数据分析”做了定义。
小数据分析，在设备物联网中非常重要，也非常实用。小数据分析与大数据分析不同，小数据分析的内容（也可以叫命题）是确定的，分析结果是需要迅速输出的（不像大数据分析，可以花两个月计算，三个月写报告。
准确来说，INDASS是一个“计算和分析”的服务或者工具。首先，INDASS可以提供一系列的基础计算服务，比如，积分计算、方差/协方差计算、方差/协方差矩阵计算、非线性方程计算、函数拟合计算，等等。这些计算实际上也是需要消耗大量计算资源的，也有一定的难度，因此，是不适合放在应用层面去计算。
其次，INDASS可以提供特定的分析任务，包括：设备运行指数计算、设备运行参数预测、设备数据稳定性计算。
设备运行指数
假如设备有180个参数，或者更多，这就带来很多问题，计算量非常大，即便我们能找到计算方法，也没法去计算。所以，我们只能一切从简，这就是指数。
设备运行指数计算
就是根据设备的全部（或部分）关键参数，通过一个算法，计算出一个单一数值，来表示这个设备当前的运行状况。一个设备可能有一百多两百个参数，这些参数之间的关联非常复杂，某些参数的变化，可能直接或间接导致其他一些参数的变化，某些参数的变化，可能会导致设备出现问题。指数就是我们用一个简单的方法，对复杂的设备系统进行“定位”。这就好比我们用“成绩”来说明一个学生的学习好坏；而用“智商”来衡量一个人有多聪明。
指数当前的水平，以及指数的变化，实际上从另一个侧面，反应了设备运行状态的变化。比如，某学生的这学期的学习成绩80分，只能说明该学生读书一般般。如果几个学期该生的成绩都是80左右，说明该生学习成绩还算稳定；但是，我们如果知道，该学生上学期的成绩是50分，那么，我们就知道，这个学生是在进步，应该鼓励表扬；相反，如果该学生上学期的成绩是95分，那么，该生肯定是退步了，需要找找退步的原因，是不是早恋了。
设备运行参数预测
INDASS提供的设备运行参数预测，准确来说，是“设备连续运行主要参数预测”。预测是一个比较复杂的事情，怎么去保证预测的准确性是个大问题。为了解决这个问题，我们根据预测的准确性，把预测分成不同的区间：10分钟、30分钟、1小时、3小时、6小时和24小时。这是因为在这个预测期间里面，预测的可信度基本一致。
INDASS的预测是非常有用的。比如，某个参数在30分钟区间的预测值超过了该参数的安全阈值，那么，就相当于我们为设备赢得了30分钟处理问题的时间，至少赢得了人员疏散撤离的时间。
需要说明的是，INDASS只是单纯的参数预测，而无法提供这些参数的变化，到底是不是正常，是不是会出现或者引发别的问题。
稳定性计算
INDASS提供的稳定性计算，实际上是设备主要参数的稳定性，也就是这些数据的离散程度计算。比如，柴油发动机的动力负载，如果一直保持在某个数值左右，变化幅度不大，那么就说明这个参数是稳定的；相反，如果这个数值忽高忽低，那么就是这个参数不稳定，变化无常。
但是，这些都是参数的离散程度，并不能说明整个设备的稳定性状况。
我们先确定一个假设：
如果一个设备有180个参数，每个参数的数据变化的幅度都很小，也就是说每个数据都很稳定。那么，这个设备运行一定是稳定的；反之，如果一个设备运行不稳定，那么，这些参数中，至少其中有一个（或者多个）数据是不稳定的。
这是一个重要的逻辑推理： 若A则B 那么 非B则非A。
然而，一台设备的运行参数之间是关联的，有时一个参数变化，而另一个参数也在同时变化的时候，并不能说明这个设备不稳定；或者说，当两个或者多个参数同时小幅度变化时，也有可能导致设备的不稳定。
刚才说了，尽管我们计算出来指数、趋势和稳定性，其实并不能说明这个计算结果代表了设备运行是什么状况，也不能说明设备这样下去会是什么结果。原因就是这些数据之间的关联关系非常复杂；这些数据以及数据的变化，对整个设备系统的影响面会是多大，也非常复杂。
这就是我们为什么需要引入智物联Mixlinker人工智能机器人服务系统 MAIRS（Mixlinker Artificial Intelligence Service）去做深度学习，并获得新的分析结果。
