MATLAB による予知保全

1日目

データのインポートとデータの処理

学習目標: データを MATLAB に取り込み、欠落値の処理を含む分析のために整理します。 また、データの一部を抽出して操作することにより、インポートされた生データを処理する方法について学びます。

• MATLAB のデータ型を使用したデータの保存
• データストアによるインポート
• 要素が不足しているデータの処理
• tall 配列によるビッグデータの処理

データの妥当なパターンの検出

学習目標: 教師なし学習手法を使用して、一連の条件インジケーターに基づいて観測値をグループ化します。 また、データセット内に含まれる自然界なパターンを発見する方法について学びます。

• データ内の妥当なクラスターを検出する
• 次元の縮小を実行する
• データ内のクラスターを評価および解釈する

分類モデルの構築

学習目標: 教師あり学習手法を使用して、分類問題の予測モデリングを実行します。 また、予測モデルの精度を評価する方法について学びます。

• 分類学習器アプリを使用して分類する
• ラベル付きのデータから分類モデルを学習させる
• 学習済みの分類モデルを検証する
• ハイパーパラメーターの最適化によりパフォーマンスを改善する

2日目

信号の確認と解析

学習目標: データ内に含まれる信号処理的特徴をインタラクティブに調査および視覚化する方法について学びます。

• 信号を把握するために、信号のインポート、可視化、確認をする
• 信号の測定を行う
• 複数の信号を時間領域と周波数領域で比較する
• 対話型のスペクトル解析を実行する
• 関心領域を抽出する
• 自動化用の MATLAB スクリプトを生成する

データ セット品質を改善して特徴を生成するための信号の前処理

学習目標: リサンプリング、外れ値の除去、ギャップの埋めなどの処理により信号セットをクリーンアップする手法を学びます。 また、特徴量をインタラクティブに生成してランク付けする方法について学びます。

• リサンプリングにより、不均一にサンプリングされた信号を処理する
• 均一にサンプリングされた信号のデータ抜けを補正する
• リサンプリングを実行して信号間で共通の時間基準を設定する
• 信号アナライザー アプリを使用してフィルターを設計および適用する
• ファイル アンサンブル データストアを使用してデータをインポートする
• 診断特徴デザイナー アプリを使用して特徴を自動的に生成およびランク付けする
• 包絡線スペクトルを使用して機器の診断を実行する
• 外れ値を見つけ、許容可能なサンプルと置き換える
• 変化点を検出し、自動信号セグメンテーションを実行する

故障に至るまでの時間の推定

学習目標: データを調査し特徴を特定した後、意思決定モデルをトレーニングして残りの耐用年数を予測する方法について学びます。

• 状態インジケーターを選択する
• ライフスパン データを使い、生存モデルを使用して残存耐用期間を推定する
• しきい値に至るまでの実行データを使い、劣化モデルを使用して残存耐用期間を推定する
• 故障に至るまでの実行データを使い、相似モデルを使用して残存耐用期間を推定する