予知保全のための MATLAB および Simulink

エンジニアは MATLAB®、Simulink®、および Predictive Maintenance Toolbox を使用して状態監視/予知保全ソフトウェアを開発し、エンタープライズ IT および OT システムに配布します。

  • クラウドストレージ、リレーショナル データベース、非リレーショナル データベースおよび REST、MQTT、OPC UA などのプロトコル向け組み込みインターフェイスを使用してストリーミングおよびアーカイブされたデータにアクセス。
  • 信号処理および統計手法向けのアプリを使用して、機器の状態を監視するためにデータを前処理して特徴量を抽出
  • 故障の原因を分離して故障までの時間 および残存耐用時間 (RUL) を予測するための機械学習モデルを開発。
  • C/C++、Python、HDL、PLC、GPU、.NET または Java® ベースのソフトウェア コンポーネントを自動的に生成することで、組み込みシステムエッジデバイスおよびクラウドなど、ユーザーが選択した稼働中のシステムにアルゴリズムおよびモデルを展開。

Using MATLAB and Simulink for Predictive Maintenance

状態監視および予知保全アルゴリズムの設計およびテスト
十分な量のデータと故障データを収集する方法と、予知保全ワークフローの始め方について解説します。
予知保全の概念とワークフローについて詳しく説明します。

あらゆる場所のデータにアクセス

機器から取得するデータには、構造化データと非構造化データの両方があり、ローカルファイル、クラウド (AWS® S3、Azure® Blob)、データベース、データヒストリアンなどの複数のソースに存在します。データがどこにあっても、MATLAB にデータを取り込んで使用することができます。信号故障を挿入してシステム故障のダイナミクスをモデル化することで、十分な故障データがなくても機器の Simulink モデルから生成できます。


データのクリーニングおよび調査によるデータの簡略化

データは乱雑です。MATLAB を使用して前処理を行い、次元を削減し、特徴量を操作できます。

  • 異なるレートでサンプリングされたデータを調整して、欠損値と外れ値を考慮。
  • 高度な信号処理手法を使用したノイズの除去、データのフィルター処理および過渡信号または変化信号の解析。
  • 特徴量の抽出および選択のための統計的かつ動的手法を使用したデータセットの簡略化と予測モデルの過適合の削減。

機械学習を使用した故障の検出および予測

分類、回帰および時系列モデリングの手法を使用して、故障の根本原因を特定し、故障までの時間を予測します。

  • 最も重要な変数の対話的な調査と選択による RUL の推定と故障モードの分類。
  • 組み込み関数を使用した複数の予測モデルの学習、比較および検証。
  • 信頼区間の計算および可視化による予測の不確実性の定量化。

稼動システムでのアルゴリズムの配布

MATLAB アルゴリズムを組み込みデバイスおよび企業の IT/OT システムに実装することで、応答時間を短縮して送信するデータを削減し、オペレーターが作業現場で結果を即時に利用できるようにします。

  • ターゲット資産およびエッジ デバイスに対して MATLAB および Simulink から C/C++ コードを自動的に生成することで、手作業でのコーディングを削減。
  • MATLAB 解析を運用サーバーを含むクラウドでスケーリングし、SpotfirePI Server およびその他のプラットフォームと統合。