Main Content

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

Predictive Maintenance Toolbox 入門

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™ では、データのラベル付け、状態インジケーターの設計、およびマシンの残存耐用期間 (RUL) の推定を行うことができます。

ツールボックスには、統計解析、スペクトル解析、時系列解析など、データに基づく手法とモデルベースの手法を使って特徴の調査、抽出、ランク付けを行うための関数と対話型アプリが用意されています。周波数法および時間-周波数法を用いて振動データから特徴を抽出することで、ベアリングやギアボックスなどの回転機の健全性を監視できます。マシンが故障するまでの時間を推定するために、生存、類似度、およびトレンドに基づくモデルを使用して RUL を予測できます。

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 データを解析し、ラベルを付けることができます。また、Simulink® モデルから生成されるシミュレーション故障データにラベルを付けることもできます。ツールボックスにはモーター、ギアボックス、バッテリー、および他のマシンの参照例が含まれており、カスタムの予知保全および状態監視アルゴリズムの開発に使用できます。

チュートリアル

状態監視と予知保全について

ビデオ

予知保全パート 1:はじめに
さまざまな保全手法と予知保全ワークフローについて学びます。予知保全では、故障寿命を推定することにより、メンテナンスを計画するのに最適な時期を知ることができます。

予知保全パート 2:状態インジケーターを特定するための特徴抽出
データから状態インジケーターを抽出する方法を学びます。状態インジケーターは、マシンの健全状態と故障状態を判別するのに役立ちます。

予知保全パート 3:残存耐用期間の推定
予知保全では、マシンの残存耐用期間 (RUL) を推定できます。類似性モデル、生存モデル、劣化モデルという 3 つの一般的なモデルを使用して RUL を推定します。

予知保全パート 4:Diagnostic Feature Designer を使用して特徴抽出を行う方法
独自の予知保全アルゴリズムを開発するために、Diagnostic Feature Designer を使用して時間領域とスペクトル特徴を抽出する方法を学びます。