在現今大數據時代下，光有海量數據是不夠的。如何采集數據，通過分析處理從中萃取有價值的信息或模式，已成為優化操作，提高效率，增加產出的決定性手段。
　　智能數據，即對大量數據的智能分析，可以幫助我們監測到生產設施中發生的新情況，了解發生的原因，預測發展趨勢，繼而及時處理解決問題。智能數據在風力發電領域已經有所建樹。
　　在過去25年里，西家工程師一直在研究機器學習，利用數據或以往的經驗，優化計算機程序，讓復雜的系統更有效率。
　　拿風機來說，通過數據分析，軟件可以計算出各種天氣條件下風機的最佳設置。相應設置的數據會傳送到風機的控制設備并作出調整。一旦出現類似的天氣條件，控制設備就會立即將風機調到最佳設置，以提高效率，增加發電量。
　　那為什么要優化風機設置呢？答案很簡單：因為很多時候它們并沒有在全力運行，所以還有更多的潛力可以發揮。尤其是在風力不足的情況下，工程師希望優化風機的表現，進一步降低風力發電成本，使它和傳統發電方式相比更有競爭力。
　　如今，越來越多的風機安裝在氣候條件惡劣的偏遠地區，例如山頂，海上或者是雪域高原。對于架設風力發電機組來說，這些地方條件優越，不但風力資源豐富，而且無人居住，不影響人們生活。
　　但是，這些有利于風力發電的地理位置卻給風機的維護工作帶來巨大的挑戰。因此，遠程監測和診斷對于縮短維修時間，充分利用風能，顯得尤為重要。
　　西門子SCADA系統和機組情況監測（TCM）系統每天都會采集海量數據。SCADA系統采集風機電子和機械數據以及天氣和電網的信息，而TCM系統是一個震動識別系統。
　　每個風機機艙最多會有九個傳感器，采集渦輪機主要部件的震動數據。所有發電功率在2兆瓦以上的西門子風機都配有TCM系統，進行終年無休的實時監測。
　　所有采集到的數據都會被傳送到位于丹麥西部城市布蘭德的西門子風力發電服務診斷中心。這個中心于2014年9月正式投入工作，負責采集評估7500多臺位于世界各地的西門子風機日常運行數據。
　　該中心根據搜集的數據自動生成不同型號風機正常工作時的數據樣板值，不斷將機組實時運行數據和正常工作運行數據樣板值進行比對。遠程診斷對于那些緩慢顯現的故障顯得尤為重要。
　　有時，西家工程師可以提前整整一年發現主軸軸承故障。詳盡的數據還可以讓布蘭德的診斷專家精確地判斷故障類型，以及是否需要派出維修技術人員實地維修。
　　中心負責人Merete Hoe認為風機的遠程監測和診斷是充分利用智能數據的絕佳案例。智能數據幫助縮短停工期，減少費時費錢的檢修次數，從而提高風機的效率以及電力產出。