Predictive Maintenance Toolbox

状態監視・予知保全アルゴリズムの設計とテスト

Predictive Maintenance Toolbox には、モーター、ギアボックス、ベアリング、バッテリーなどを対象とした状態監視・予知保全アルゴリズムを設計するための機能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すると、状態インジケーターの設計、故障や異常の検知、残存耐用時間 (RUL) の推定を行うことができます。

また、診断特徴デザイナーアプリを使用すると、時間、周波数、時間-周波数、物理ベースの特徴量を対話的に抽出できます。この特徴量をランク付けしてエクスポートすることで、故障や異常を検知する特定用途向けのアルゴリズムを開発できます。RUL の推定には、生存モデル、類似性モデル、トレンドベースモデルを使用できます。

このツールボックスは、ローカルファイル、クラウドストレージ、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の整理や解析に役立ちます。Simulink モデルと Simscape モデルから故障のシミュレーションデータを生成することもできます。

アルゴリズムを運用可能にするために、C/C++ コードを生成してエッジに展開したり、実稼働アプリケーションを作成してクラウドに展開したりできます。このツールボックスには、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る、特定用途向けの参照例が付属しています。

異常や故障の検知

統計、機械学習、ディープラーニングなどのアルゴリズムを学習させることで、時系列データにおける異常や故障を検知することができます。システムの状態変化を追跡して、異常を検知し、故障を特定します。

Time Series Anomaly Detection for MATLAB

ドキュメンテーション | 例

残存耐用時間 (RUL) の推定

履歴データで RUL 推定モデルを学習させ、故障するまでの時間を予測できます。健康インジケーターデザイナーアプリを使用して、特徴量を対話的に変換し、RUL モデルの学習に使用する複合的な健康インジケーターを作成できます。

残存耐用時間を推定する 3 つの方法

ドキュメンテーション | 例

診断特徴デザイナーアプリは、信号トレース、パワースペクトル、一元配置分散分析 (ANOVA) でランク付けされた特徴量の表、特徴量を重要度順に並べた棒グラフの 4 つのペインで信号データを表示します。

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して特徴量を自動的に抽出・ランク付けし、統計モデルや AI モデルの学習に利用することができます。

予知保全のための特徴設計 (3:03)

ドキュメンテーション | 例

コンポーネントに特化した予知保全

回転機械やバッテリーに、コンポーネントに特化した予知保全ツールを適用できます。ベアリング故障の分類、ポンプの漏れ検出、モーター性能の変化の追跡、ギアボックス故障の特定、リチウムイオンセルやバッテリーパックの異常検知、バッテリーの残存サイクル寿命の推定などを実行できます。参照例のライブラリを使用してすぐに始められます。

ドキュメンテーション | 例

ローカルに保存された一連の振動データファイルから fileEnsembleDatastore を作成する方法を示す MATLAB コード。tall table として表現されたアンサンブルを示す出力。

データ管理と前処理

ローカルまたはリモートに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。

ドキュメンテーション | 例

ポンプハウジング、3 本のプランジャー、クランクシャフトが接続された Simscape モデル。

合成データの生成

Simulink や Simscape で構築した物理ベースのモデルを使用して、システムの挙動、故障、劣化をシミュレーションしたり、時系列データに合成異常を直接注入したりできます。デジタルツインを作成して性能を監視し、将来の挙動を予測します。

デジタルツインとは (8:28)

ドキュメンテーション | 例

MATLAB Coder レポートには、左側に残存耐用時間予測関数の MATLAB コード、右側に対応する C++ コードが表示されます。カラフルな領域では、MATLAB コードの 1 行が C++ コードの多数の行にマッピングされています。

組み込み展開

MATLAB Coder を使用して、特徴量計算関数、状態監視アルゴリズム、予測アルゴリズムから C/C++ コードを直接生成し、リアルタイムの組み込み処理に利用できます。

ドキュメンテーション | 例

MATLAB Production Server を使用して、エンタープライズエコシステム内で予測アルゴリズムを展開します。

クラウドへの展開

MATLAB Compiler と 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 コンテナーなどの形でクラウドに展開し、拡張できます。コードを書き直すことなく、Microsoft^® Azure^® や AWS^® 上の MATLAB Production Server に展開できます。

ドキュメンテーション | 例

製品リソース:

ドキュメンテーション例ビデオ技術情報関数要件リリースノート

予知保全ビデオシリーズ

このビデオシリーズを視聴して、予知保全について学習しましょう。

ビデオを見る (4 ビデオ)

Predictive Maintenance Toolbox に関するよくある質問 (FAQ)

Predictive Maintenance Toolbox は、モーター、ギアボックス、ベアリング、バッテリーなどを対象とした状態監視アルゴリズムや予知保全アルゴリズムを設計するための関数やアプリを提供します。状態指標の設計、故障や異常の検知、残存耐用時間 (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は、センサーデータから時間、周波数、時間-周波数、物理ベースの特徴量を対話的に抽出し、その有効性に基づいてランク付けできます。また、特徴量をエクスポートして、故障や異常を検知する特定用途向けのアルゴリズム開発に利用できます。

このツールボックスには、生存モデル、類似性モデル、劣化モデルが用意されています。これらのモデルに過去のデータを学習させることで故障するまでの時間を予測できます。

はい、MATLAB Coder を使用して組み込み展開向けの C/C++ コードを生成できるほか、MATLAB Compiler、MATLAB Compiler SDK、MATLAB Production Server を使用して、クラウド向けの本番アプリケーションを作成できます。

ローカルファイル、クラウドストレージ、分散ファイルシステムから取り込んだマルチチャネル、マルチメンバーの時系列センサーデータを整理・解析できます。また、Simulink や Simscape のモデルからシミュレーションによる故障データを生成することもできます。

このツールボックスは、時系列センサーデータを用いたあらゆる予知保全の用途に利用できます。また、回転機械やバッテリー向けに、コンポーネントに特化したツールや参照例も用意されています。これには、ベアリング故障の分類、ポンプの漏れ検出、モーター性能の変化の追跡、ギアボックス故障の特定、リチウムイオンセルやバッテリーパックの異常検知、バッテリーの残存サイクル寿命の推定などが含まれます。

Time Series Anomaly Detection for MATLAB は、Predictive Maintenance Toolbox のサポートパッケージです。このサポートパッケージには、正常なシステム挙動を特徴付け、学習可能な統計、機械学習、ディープラーニングなどの検出アルゴリズムを用いて時系列センサーデータの異常を検知するための関数やアプリが含まれています。