Main Content

このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

Predictive Maintenance Toolbox

状態監視と予知保全のアルゴリズムの設計とテスト

Predictive Maintenance Toolbox™ には、モーター、ギアボックス、ベアリング、バッテリー、およびその他のアプリケーション用に状態監視と予知保全のアルゴリズムを設計するための関数とアプリが用意されています。このツールボックスを使用して、状態インジケーターの設計、故障と異常の検出、および残存耐用期間 (RUL) の推定を行うことができます。

診断特徴デザイナー アプリでは、時間、周波数、時間-周波数、および物理学に基づいた特徴を対話的に抽出できます。特徴をランク付けしてエクスポートし、故障および異常を検出するためのアプリケーション固有のアルゴリズムを開発できます。RUL を推定するために、生存モデル、類似性モデル、およびトレンドに基づくモデルを使用できます。

ツールボックスは、ローカル ファイル、クラウド ストレージ、および分散ファイル システムからインポートしたセンサー データを整理し、解析するのに役立ちます。Simulink® および Simscape™ モデルからシミュレーション故障データを生成できます。

アルゴリズムを運用可能にするために、エッジ展開用に C/C++ コードを生成するか、またはクラウド展開用に量産アプリケーションを作成することができます。ツールボックスにはアプリケーション固有の参考例が含まれており、カスタムの予知保全アルゴリズムの開発と展開に再利用できます。

Predictive Maintenance Toolbox 入門

Predictive Maintenance Toolbox の基礎を学ぶ

用途

予知保全の手法を回転機やバッテリー システムなどのコンポーネント固有のワークフローに応用

システム データの管理

測定データのインポート、シミュレーション データの生成、コマンド ラインおよびアプリで使用するためのデータの整理

データの前処理

より高度な信号処理の準備としてのデータのクリーニングとラベル付け

状態インジケーターの設計

コマンド ラインで、または対話的にデータを調査し、システムの状態を示したり将来の状態を予測できる特徴を特定する

故障の検出と診断

状態監視と故障検出のための統計モデル、機械学習モデル、および深層学習モデルの学習

残存耐用期間 (RUL) の予測

システム データ、状態推定器、または同定されたモデルから RUL を計算するために設計された専用のモデルを使用して RUL を予測

予知保全アルゴリズムの展開

状態監視と予知保全のアルゴリズムの実装と展開

予知保全における AI

深層学習と機械学習の技術を予知保全ワークフローに応用する