製造業のAIxIoT化を実現する「スマートファクトリー」化等に伴い、予知保全への関心が日々高まっています。
予知保全により、機器の状態を監視して、将来の機器の故障を防ぐことができます。機器のセンサーからのデータを使用して、分類、回帰、および時系列分析を用い、故障の根本原因を特定、故障発生までの時間を予測できます。また、複雑な機械の問題を特定し、修理または交換が必要な部品を特定するのに役立ちます。これにより、ダウンタイムを最小限に抑え、機器の存続期間を最大限に延ばすことができます。
この ebook は、MATLAB® による予知保全アルゴリズムの開発を開始できるように、用語を説明し、例やチュートリアル、評価版ソフトウェアへのアクセスを提供します。
ebook をダウンロードして、次の内容を学習します。
![セクション 1: MATLAB による予知保全の概要](https://jp.mathworks.com/campaigns/offers/predictive-maintenance-with-matlab/_jcr_content/mainParsys/columns/f187b5aa-dc7d-4e47-a152-5ef7e9862e39/image.adapt.full.medium.jpg/1724240928785.jpg)
予知保全が事後保全や予防保全などの戦略とどのように異なるかを学習します。データの取得と前処理、特徴抽出、異常検知、機械学習モデルの学習による故障予測などの予知保全ワークフローの手順を学びます。
![Section 2: Extracting Condition Indicators with MATLAB](https://jp.mathworks.com/campaigns/offers/predictive-maintenance-with-matlab/_jcr_content/mainParsys/columns_copy/f187b5aa-dc7d-4e47-a152-5ef7e9862e39/image.adapt.full.medium.jpg/1724240928858.jpg)
さまざまな障害タイプを分類するために、データから顕著な特徴を抽出し、特徴抽出により、機械学習モデルを学習させる方法を学びます。信号ベースの手法を使用した特徴抽出では、時間領域、周波数領域、時間周波数領域の特徴を使用して、データから状況インジケーターを算出することができます。
![セクション 3: MATLAB による残存耐用時間の推定](https://jp.mathworks.com/campaigns/offers/predictive-maintenance-with-matlab/_jcr_content/mainParsys/columns_copy_1438928703/f187b5aa-dc7d-4e47-a152-5ef7e9862e39/image.adapt.full.medium.jpg/1724240928929.jpg)
システムの残存耐用時間を予測するためのさまざまな推定モデル (類似性、生存、および劣化モデル)について学習します。使用可能なデータとシステム情報に基づいて、どの RUL モデルがシステムに適しているかを調べます。