Predictive Maintenance Toolbox

特徴量エンジニアリング

診断特徴デザイナーアプリを使用するか、信号ベースおよびモデルベースのアプローチでセンサーデータからプログラムにより特徴量を抽出してランク付けし、AI を使用した障害検出および予測を行います。

障害および異常検出

状態監視に AI、統計、および動的モデリング手法を使用します。システムの変化を追跡して異常を検出し、障害を特定します。

RUL 推定

履歴データで RUL 推定モデルを学習させることで、故障までの時間を予測し、保守スケジュールを最適化します。

回転機

回転機特有の物理ベースの特徴を抽出します。ベアリングの障害の分類、ポンプの漏れ検出、モーター性能の変化の追跡、ギアボックスの故障の特定などを行います。参照例のライブラリを使用してすぐに始められます。

データの管理および前処理

ローカルまたはリモートに保存されたセンサーデータにアクセスします。外れ値の除去、フィルター処理、さまざまな時間、周波数、時間-周波数の前処理手法の適用により、アルゴリズム開発のためのデータを準備します。

故障データの生成

Simulink および Simscape で構築された物理ベースモデルを使用して、まれな障害や劣化をシミュレーションします。パラメーター値の修正、故障注入、モデルダイナミクスの変更を行います。デジタルツインを作成して性能を監視し、将来の挙動を予測します。

エッジへの展開

MATLAB Coder を使用して、リアルタイムエッジ処理用の特徴計算関数、状態監視アルゴリズム、および予測アルゴリズムから直接 C/C++ コードを生成します。

クラウドへの展開

MATLAB Compiler および MATLAB Compiler SDK を使用して、アルゴリズムを共有ライブラリ、パッケージ、Web アプリ、Docker コンテナーなどとしてクラウドでスケーリングします。再コーディングを行うことなく Microsoft® Azure® や AWS®MATLAB Production Server に展開します。