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
Deep Learning Toolbox™ または Statistics and Machine Learning Toolbox™ を Predictive Maintenance Toolbox™ と共に使用して、深層学習と機械学習を予知保全に応用します。深層ニューラル ネットワークに学習させて、故障検出や残存耐用期間の推定などのさまざまな予知保全タスクを実行できます。分類と回帰の手法を使用して、特徴の有効度を評価し、展開可能なモデルを作成できます。
トピック
故障の検出と診断
- 深層学習を使用した化学的プロセスの故障検出
シミュレーション データを使用して、化学的プロセスの故障を検出できるニューラル ネットワークに学習させる。 - 深層学習を使用した転動体ベアリングの故障診断
この例では、深層学習の手法を使用して、転動体ベアリングの故障診断を行う方法を説明します。 - Accelerate Fault Diagnosis Using GPU Data Preprocessing and Deep Learning
This example shows how to use GPU computing to accelerate data preprocessing and deep learning for predictive maintenance workflows. (R2025a 以降) - 3 軸振動データを使用した産業機械の異常の検出
定格動作のみを表すデータで学習させた機械学習モデルと深層学習モデルを使用して産業機械の振動データの異常を検出する。 - Detect Unbalanced Motor by Using Neural Network (Motor Control Blockset)
This example shows how to detect a mechanically unbalanced spinning motor by using a neural network (NN) developed using Deep Learning Toolbox™.
残存耐用期間の予測
- 初期動作データからのバッテリー サイクル寿命の予測
教師ありの機械学習アルゴリズムを使用して、高速充電リチウムイオン バッテリーの残りのサイクル寿命を予測する。 - 畳み込みニューラル ネットワークを使用した残存耐用期間の推定
この例では、深層畳み込みニューラル ネットワーク (CNN) を使用してエンジンの RUL を予測する方法を説明します。 - 深層学習を使用したバッテリー サイクル寿命の予測
深層ニューラル ネットワークの学習により、高速充電リチウムイオン バッテリーの残りのサイクル寿命を予測する。
