Predictive Maintenance Toolbox

特徴量エンジニアリング

診断特徴デザイナーアプリを使用するか、信号ベースおよびモデルベースのアプローチでセンサーデータからプログラムにより特徴量を抽出してランク付けし、AI を使用した故障検出および予測を行います。

故障および異常検出

状態監視に AI、統計、および動的モデリング手法を使用します。システムの変化を追跡して異常を検出し、故障を特定します。

RUL 推定

履歴データで RUL 推定モデルを学習をさせることで、故障までの時間を予測し、保守スケジュールを最適化します。

特定用途向けのアルゴリズム

コンポーネント固有の関数を使用して、バッテリーの異常検出、ベアリングの故障の分類、ポンプの漏れ検出、モーター性能の変化の追跡などを行うアルゴリズムを開発します。参照例のライブラリを使用してすぐに始められます。

データの管理および前処理

ローカルまたはリモートで保存されたセンサーデータにアクセスします。外れ値の除去、フィルター処理、さまざまな時間、周波数、時間-周波数の前処理手法の適用により、アルゴリズム開発のためのデータを準備します。

故障データの生成

機器の Simulink および Simscape™ モデルを使用して、故障や劣化のシミュレーション データを生成します。パラメーター値の修正、故障の投入、モデルダイナミクスの変更ができます。デジタルツインを作成してパフォーマンスを監視し、将来の挙動を予測します。

コード生成

MATLAB Coder™ を使用して、リアルタイムエッジ処理用の特徴計算関数、状態監視アルゴリズム、および予測アルゴリズムから直接 C/C++ コードを生成します。

クラウドへの展開

MATLAB Compiler™ および MATLAB Compiler SDK™ を使用して、アルゴリズムを共有ライブラリ、パッケージ、Web アプリ、Docker コンテナーなどとしてクラウドでスケーリングします。再コーディングを行うことなく Microsoft® Azure® や AWS®MATLAB Production Server™ に展開します。