Predictive Maintenance Toolbox
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
状態監視と異常検出のために統計モデル、機械学習モデル、および深層学習モデルを学習させる。距離および行列プロファイリングを使用してマシン データから異常を検出する
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