Systecon公司按照其与美陆军签订的原始合同内容开发了一个数据驱动的预测分析模型软件原型，旨在通过预测和预测性维护能力来提高整个部队的设备可用性，从而最大程度地减少相关设备的停机维护时间。据Gov Wire网站获悉，Systecon公司近期已经收到了美国陆军的合同修改通知，其将继续为美陆军交付一种分析工具，该工具将主要用于帮助陆军进行预测性维护并提高其军用车辆和相关平台车队的运行战备状态。
该公司在周五表示，其将通过实地应用陆军的预知和预测性维护项目开发的预测性分析软件原型，来为一个旅级作战单位提供作战支持。早在今年5月份，Systecon公司便宣布其已被美国陆军选中合作，合作内容是促进预测性维护技术工具的部署，从而确保其可在第一时间满足军事部门的车辆和相关硬件的维护需求。
在一年的绩效期内，该公司在微软Azure GovCloud环境中使用陆军物资指挥部分析小组的所有数据开发了预测性维护原型，该原型主要工作原理是基于人工智能算法，进行拓扑数据分析，并通过定制的仪表盘来呈现可操作性的信息。在此基础上，平台诊断算法可使用动力学数据、外部条件变量以及来自平台传感器的数据来监测系统故障并确定设备的剩余使用寿命。
Systecon公司表示，通过预测性维护（计划建立的预测分析模型在预测完全可执行任务和不可执行任务的情况时，实现了96%的训练准确度，超过了55%的准确度阈值，并且该模型在测试过程中总报误率仅为3%，失败率为1.5%。此外，模型的性能可随着目标周期的增加而改善，错误率则随着目标周期的增加而降低，该模型具有出色的性能，错误率仅为3%，这意味着其可高度准确地对维护工作进行预测。
