中国

一切转型始于数据和模型

很多企业已经将数字化转型从想法过渡到执行实际转型项目。它们已经有了明确的数字化转型目标，所需做的就是让工程团队和科学团队成员学习的新的技术，与其他团队进行合作，进而提出新的产品或服务来实现这个目标。

而为了应对数字化转型过程中面对的挑战，组织必须掌握如何系统地使用数据和模型，不仅在研发阶段，而是在整个产品生命周期内跨团队使用。 一个有效的数字化转型计划需要考虑人员的技能，流程和技术的变化。

请加入我们，描述您的组织采用的数字化转型方法，演示您的工程和科学团队如何利用数据和模型来实现数字化转型目标。

基于模型的设计在风电场无功优化控制中的实践

随着我国新能源的快速发展，其对电网安全稳定的影响日益突出，风火同价新形势下，效率至关重要。在风电场中，风电场无功控制关系电网电压稳定性和运行经济性，MathWorks基于模型的设计平台为风电场级控制提供算法实现、系统级仿真验证和软件实现等多方位的支持。本讲从以下几方面为您讲解基于模型的设计方法在金风产品中的应用：

1. 风电场无功控制开发面临的挑战；
2. 整场无功和系统电压优化算法；
3. 风电场系统仿真和算法验证；
4. 从算法到软件的实现。

国六车辆系统预测性健康检查—数字孪生落地实施

针对国六数据较少的问题，以Simulink^® 为平台建立多重机理模型耦合，包括基于AVLBOOST的化学模型，基于Fluent流体模型，基于Simulink控制模型。结合已有国五车联网数据，有限国六失效数据和全球团队的经验，利用Statistics and Machine Learning Toolbox™，建立训练数据库，进行特征选择和数学模型训练。并将数学模型部署到云端，对百万级车辆的特征化模型回滚，实现国六系统健康状态预测。