supOS工业大数据平台软件是一款开放式的机器学习算法平台，提供一站式简化的用户数据组织、数据探索、特征分析、算法建模、可视化、参数调优等自动化任务管理功能，结合大量最流行的机器学习与深度学习算法，帮助用户以较低的代价实现人工智能触手可及。
登录系统后，点击左下角图标进入组态期界面，组态期大数据分析界面分成三部分，包括:
（1）功能区（A区域）;
（2）大数据分析菜单（B区域）;
（3）显示信息（C区域）;
平台提供常用的包括BP神经网络、遗传算法、随机森林、线性回归、逻辑回归、决策树等算法组件，通过这些算法可以从海量的数据中发掘潜在的有价值的信息，利用这些信息可以指导、创新工业生产管理模式。
本片平台具有以下特点:
（1）通用全面的建模服务：通过图形化、流程化、拖拽式进行组态建模；
（2）多样化的模型算法服务：集成主流的机器学习和数据挖掘算法；
（3）自学习的算法寻优服务：自适应的模型算法及其参数；
（4）精准的模型评估服务：全方位观察建模过程及模型结果；
（5）效的模型部署和应用服务：提供数据模型部署服务，供第三方系统实时调用；
（6）自适应的模型更新服务：提供模型更新服务，监控模型运行状态；
平台大数据整体流程主要有以下步骤：
大数据分析实验组态界面分成三部分，包括组件区（A区域）、画布区（B区域）、配置区（C区域）。组件区为平台自带的数据预处理、特征工程、机器学习等算法组件，正在不断丰富中；画布区可以将算法组件进行拖拉的方式进行组合，完成实验组态后调试；在配置区可以查看选中算法信息，并完成参数的配置。
实验组态操作流程图如下：
具体的组态步骤如下：
（1）“样本集输入”作为实验模型的数据源，可以选择多个数据源（必选）；
（2）“实验输出”作为实验模型的输出结果，一个实验可以输出多个结果（必选）；
（3）根据用户的需求将组件区的算法及模型在输入组件和输出组件之间进行搭建，配置组件的参数；
（4）配置完成，通过调试查看实验洞察结果，找到最优的实验模型；
（5）点击「保存」，并点击「发布」；
当建模调试完成，自动跳转到洞察标签页面，显示调试的结果。除了在调试结束之后系统返回的洞察基本信息之外，用户还可以点击实验模型的组件，可以查看每个组件的洞察结果以及数据分析结果。总而言之我们可以通过洞察了解算法的执行结果。
洞察包括以下几个部分：
（1）综述的内容。包含本次挖掘分析过程的开始时间及结束时间、本次分析总共耗时、本次分析实验名以及过程中使用的组件。
（2）组件洞察。在洞察标签页面下，选择一个组件，可在洞察页面查看单个组件的洞察结果。
（3）配置信息。在洞察标签页面下，选择一个组件，可点击右上角“配置信息”，查看该组件在建模时的配置信息，在此页面不可对配置信息进行编辑。
上面我们介绍了平台的实验过程和洞察，下面介绍如何使用得到的实验结果，即部署管理。当确定实验已经获得到最优的模型之后，我们可以在在实验管理中选择发布，在部署管理中，用户可以根据已发布的实验建立服务以及对服务进行管理。实验任务可以调用已发布的实验创建的服务来进行大数据分析，完成梳理数据的分析到实时数据的应用。
部署管理主要有发布和服务两个步骤。
（1）发布可以在洞察页面进行选择
（2）在发布的同时我们可以创建了依据此实验的服务
在实验模型中用户是对已有的样本数据构建模型，并且验证模型的准确率，而在实验任务中，用户可以根据具有较高准确率并且发布成为服务的模型，对实时数据进行预测。新建实验任务时，选择自己要使用的服务，并配置信息。
试验任务流程如下：
