Predictive Maintenance Toolbox™ では、センサーデータの管理、状態インジケーターの設計、機器の残存耐用時間 (RUL) の推定ができます。
この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量の調査、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。センサーデータから特徴量を抽出することで、バッテリー、モーター、ギアボックスなどの機器の健全性を監視できます。生存モデル、類似性モデル、トレンドベース モデルを使用して RUL を予測すると、機器の故障時期を推定することができます。
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インポートしたセンサーデータを整理および解析することができます。Simulink® モデルから生成された故障のシミュレーション データをラベル付けすることもできます。このツールボックスには、モーター、ギアボックス、バッテリー、ポンプ、ベアリングなどの機器向けの参照例が含まれており、独自の予知保全および状態監視のアルゴリズムの開発に再利用することができます。
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、実稼働環境のアプリケーションを作成してクラウドに展開したりすることができます。
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。
ドキュメンテーション | 例
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。
ドキュメンテーション | 例
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。
ドキュメンテーション | 例
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。
ドキュメンテーション | 例
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。
ドキュメンテーション | 例
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® で MATLAB Production Server™ に展開します。
ドキュメンテーション | 例
製品リソース:
予知保全ビデオシリーズ
このビデオシリーズを見て、予知保全について学習しましょう。
あなたは学生ですか?
ご所属の学校にはすでに Campus-Wide License が導入されていて、MATLAB、Simulink、その他のアドオン製品を利用できる可能性があります。