亲爱的 SE 社区，
我遇到了一家公司，该公司正在搜索监控其从物联网提供的数据。 我将来到 SE 社区，为您挑选大脑，看看我们是否可以解决他们的挑战，这可能是一个很棒的客户故事！
他们从安装在家庭和专业环境中的专有设备（智能仪表）收集的数据可以每 10 秒到 1 个月（取决于用户协议）报告/收集数据。 通过使用家用电器“签名”，这些数据可以深入了解，这意味着它们可以判断您使用的冰箱型号以及它是否正常运行。
他们正坐在这个数据的金矿上，并且正在努力寻找一种方法来利用该数据建立商业模型。 目前，该公司通过销售其收集数据（受 IP 保护）并得到国家电网支持以提高效率的智能电表获利伏特/无功优化.
这是一家美国总部公司，用户在英国和爱尔兰（这解释了我的个人兴趣，因为它是我的领土，为了练习，我保留了他们的身份）。 我的联系人向我保证他们是“现金快乐”，我正在转向员工社区和 SE，因为您拥有广泛的知识和专业知识，试图获得一些很棒的想法来与他们讨论，更重要的是，任何 JMP 产品如何适应他们迈向可行的商业模式的旅程。
他们的主要客户（收入来源）来自能源供应商，我可以看到他们与家电制造商之间的协同效应水平非常有趣，例如博世/三星/LG……
请随时在员工社区和/或通过电子邮件回复我 - george.platings@jmp.com
此外，如果没有利益冲突，我很乐意分享公司的身份。
从分析的角度来看，我认为 FDE 在这个领域有一个非常有趣的发挥。 有许多商业（和以消费者为中心）产品旨在从仪表收集能源使用的连续波形，然后上传到云端进行处理。
两个例子是 Neurio 和 Sense。 这些平台的“特色酱”就是电器的自动识别。 一个简单的用例是在用户离开家时向他们发出警报（即所有设备都已离开并超出地理围栏区域且炉子已打开）。 但是你如何从通过仪表的整体电信号中分割一个炉子（例如洗衣机可能是打开的，也许是其他一些设备）？ 因此，能够随着时间的推移查看信号并提取用于设备识别的包络是 FDE 应该提供帮助的事情（事实上，他们的很多平台工作都是在最终用户设备培训的帮助下进行波形/包络开发）。
另一个用例是当您在车队中有许多相同的设备（想想旋转或响应风的大东西）并且您希望确保所有设备在电流消耗方面具有相同的启动包络，斜坡到工作温度/电压等。您希望能够在出现问题时做出响应，这样您就可以关闭资产，对其进行一些维护，并防止更昂贵的故障或计划外停机。
这个模型构建活动就是 Chris Gotwalt 所说的“功能性机器学习”。 需要明确的是，JMP Pro 不太适合这些数据的实时处理（不应该这样定位），但在查看历史数据、构建模型和使用 Formula Depot 时可能非常有效，生成评分代码以帮助将这些模型投入生产（通过将模型转换为 SAS、C、SQL、Python 或 JavaScript）。
