核心科技
亚沃拥有推动数字化转型的技术领域的专业知识，如物联网，云计算，人工智能/机器学习和移动端用户界面/用户体验等。
物联网 (IoT)
物联网架构:
第1阶段：传感器/执行器/控制器：它由联网设备组成，通常是无线传感器和制动器/控制器。
第2阶段:互联网网关： 它包括传感器的数据聚合系统。
第3阶段:Edge IT 系统可以利用机器学习技术， 在转移到数据中心或云端之前，进行数据预处理。
第4阶段，数据中心和云端： 数据在传统后端数据中心系统上进行分析，管理和存储。
在硬件方面，我们既有不同开发板的实践经验， 也有不同传感器和为特定环境集成这些传感器与开发板的实践经验。
物联网技术
工具与技术
模块
西门子PLC，人脸检测，录音和播放
传感器
空气质量传感器，功耗传感器，手势传感器，压力传感器，温度和湿度传感器，接近传感器和电子麦克风等
工具与技术
Arduino IDE，STEP 7-MicroWIN SMART IDE，Visual Studio代码，Ruff Gateway OS，Espressif IoT开发框架（ESP-IDF），Restful Services，Azure IoT Hub，Azure IoT Suite
语言
C / C ++，NodeJs，梯形逻辑编程，C＃
云计算
微软Azure云端
亚沃使用微软Azure亚沃使用微软Azure云端，以满足当今企业复杂和不断增长的需求，并为中小企业提供成本效益高的解决方案。
协同工作流程和文档管理
Xavor通过与SharePoint(云服务)、Office 365和OneDrive的深度集成，提供了丰富的工作流程和文档协作经验。
移动员工支持
亚沃的微软Azure亚沃的微软Azure移动服务团队专注于利用微软Azure云服务在移动设备上实现下一代业务工作流。
企业集成和混合云服务解决方案
通过仔细管理迁移到云端平台的路径，最大限度地提高现有遗留系统的投资回报率并最大限度地减少业务中断的概率
亚沃利用微软Azure云的强大功能，使您的企业应用程序在全球范围内可使用、可扩展且成本效益高。
- 一个完整的微软企业应用提供云服务，包括客户关系管理、企业资源规划系统、内容管理系统、存储、移动和目录服务等。
- 通过构建不同的微软Azure云产品，提供最符合您的预算和需求的解决方案，例如：
- 基础设施即服务（IaaS），例如运行MS Dynamics的托管虚拟机器
- 平台即服务（PaaS），例如计算，大数据，商业智能服务等
- 软件即服务（SaaS），例如SharePoint Online，One Drive，Office 365
亚马逊AWS云
基于亚沃对亚马逊网络服务（AWS）云的深度了解和专业知识，我们拥有独特的优势，可以将您的企业应用带入最广泛且最受欢迎的云端生态系统，即亚马逊云端。
云场景为无数组织带来了实实在在的好处。 亚沃强烈建议企业分析他们的需求并考虑以下场景：
- 将现有的内部部署系统迁移到云端。
- 现代化并扩展云端的自定义应用程序。
- 使用基于云端的移动应用程序启用新工作流程并简化现有工作流程。
- 将内部部署基础架构扩展到云端。
- 构建私有云端（考虑到治理或技术强制）。
- 利用混合云解决方案逐步实现云端迁移。
- 在遗留系统（如ERP，CRM和PLM）中实现数据整合，挖掘和分析。
- 在遗留系统（内部部署和云端）上构建基于云端的新工作流程和报告方案。
涂鸦云
– 涂鸦云可访问来自200个不同国家的设备。
– 响应时间小于3毫秒。
– 可用于后续分析的实时数据收集
– 涂鸦产品可与亚马逊回音和谷歌家居设备的智能扬声器兼容；此外，它亦可与IFTTT（连接设备和应用程序的平台）兼容
– 提供具有云存储的IP摄像头，开发基于智能视觉的解决方案
– 高级加密以保护数据。
人工智能 & 传感器 融合
基于来自不同产品/传感器的原始数据融合，构建和部署机器学习模型的主要步骤是:
数据卸载到云存储
首要任务是从智能设备收集原始数据，并使其可用于分析和建模。小型智能产品没有足够的资源来积累大量数据并使其在网络外可用。云架构（Tuya，Alibaba等）将用作安全数据库，并可供授权社区使用。
数据预处理
原始数据可供人工智能服务使用，以学习隐藏在数据中的模式。在此步骤中，数据将被规范化并标准化为一些常见数值。然后，将转换后的数据传递给相关过滤器，以删除冗余并提取有用的信息。
技术: 噪声消除，冗余分析，均值归一化
特点工程
有时，预处理后收集的信息不足以学习一个好的模型。于是，特点工程将通过修改和组合现有特点来发挥其作用，以获得更有意义和更强大的特点，并产生更可靠的预测模型。手动完成的特点工程最耗时，因此，我们将使用自动化工具来获取数据中的最佳特点。
框架: 特点工具, Scipy, Keras
架构选择
我们将致力于以下2个架构模型：
1.静态（单一）模型构架
2.分布式（多种）模型体系结构
首先，来自不同传感器的所有特点将被融合，以创建一个预测最终目标变量的简单大型模型。同时，将会有不同的小模型或目标变量融合在一起以预测目标变量。
而分布式模型将适用于预测多种目标变量。
模型选择与评估
每个企业主要围绕三种机器学习的数据流：
- 分类（离散目标变量）
- 回归（连续目标变量）
- 聚类（相似性识别）
数据流的数量可能有限，但与每个数据流相关的算法数量相对较高。因为每个问题都包含唯一的信息，且一种算法无法每次都满足需求。因此，我们将在队列中使用不同的算法，这些算法将在运行时进行评估，并根据当前的业务问题进行选择。
算法
卷积神经网络（CNN），长短期记忆（LSTM），人工神经网络（ANN）
支持向量（SVM），随机森林，决策树，近邻算法，K均值等
模型部署
所有模型都将在生产中随时可用，并且能够随时更新。通过Web API和移动应用程序，可以使用的REST API轻松访问这些模型。 Docker – 持续集成，Kubernetes
工具和技术
- Python
- Tensorflow
- Keras
- Scipy, Numpy
- AWS Cloud API
- Azure Cloud API
- Tuya
- Alibaba
- Tableau
- Docker
移动端用户界面/用户体验
我们开发移动解决方案，让客户与我们的智能产品进行通信。 我们为安卓系统与iOS系统提供智能解决方案，使用户可利用移动应用程序控制和配置智能设备。
智能设计:
在完成任何移动解决方案设计之前，我们会对目标受众进行全面的设计研究，并了解他们的主要问题和需求。 通过设计直观且易于操作的移动应用，有助于我们创造一个完全用户友好且操作轻松的产品。
工具
用户界面 设计
Sketch, Adobe XD, Zeplin
实体模型
Balsamiq
开发环境
Xcode (iOS – Swift/Objective C), Android Studio (Android – Java)
我们遵循以人为本的设计（HCD）方法来实现我们的解决方案。
以人为本的设计是解决问题的创新方法。 流程始于您为之设计的对象，并终于为他们量身定制新的解决方案，从而满足他们的需求。 以人为本的设计就是要与您为之设计的人建立深切的共鸣; 激发大量的想法; 建立一堆原型; 与其分享您的成果; 并最终将您的创新解决方案推向世界。
架构:
我们的智能解决方案是移动设备、亚沃云端和智能产品之间的三方通信。
我们的移动解决方案可以直接配置智能设备，并通过云服务进行操作。我们的云层与移动应用和智能产品保持同步更新，并不断为我们的用户提供实时信息。
准备开始创新了吗？
保持联系并获得最新资讯