予知保全のための MATLAB および Simulink
Engineers use MATLAB®, Simulink®, and Predictive Maintenance Toolbox™ to develop and deploy condition monitoring and predictive maintenance software to enterprise IT and OT systems.
- Access streaming and archived data using built-in interfaces to cloud storage, relational and nonrelational databases, and protocols such as REST, MQTT, and OPC UA.
- Preprocess data and extract features to monitor equipment health using apps for signal processing and statistical techniques.
- Develop machine learning models to isolate root cause of failures and predict time-to-failure and remaining useful life (RUL).
- Deploy algorithms and models to your choice of in-operation systems such as embedded systems, edge devices, and the cloud by automatically generating C/C++, Python, HDL, PLC, GPU , .NET, or Java® based software components.
Reduce Downtime and Operational Costs: Achieve Results Faster with MathWorks Consulting
無料の eBook
MATLAB による予知保全
Using MATLAB and Simulink for Predictive Maintenance
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。
無料評価版を入手する
30 日間の無料評価版はこちら
