Predictive Maintenance

 

MATLAB と Simulinkによる予知保全

MATLAB® および Simulink® を使用して状態監視/予知保全ソフトウェアの開発からエンタープライズ IT/OT システムへの展開までを実現。

  • 組み込みインターフェイスを使用してクラウド 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 などのプロトコルのストリーミングおよびアーカイブデータにアクセス。
  • 信号処理および統計的手法向けのアプリを使用した、機器の状態監視に必要なデータの前処理と特徴量の抽出
  • 機械学習のモデルを作成し、故障の根本原因の特定、故障発生までの時間および残存耐用時間 (RUL) を予測

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稼働中のシステムにアルゴリズムとモデルを展開

“MATLAB は、従来読みこむことができなかったデータを、読み込みやすく使いやすい形式に変換し、フィルタリング、スペクトル分析、そして複数のトラックや地域毎に異なる手順の自動化や、最終的には機械学習技術をリアルタイムに適用してメンテナンスを行う最適なタイミングを予測する能力をもたらしました。”

Baker Hughes、Gulshan Singh 氏 

データに直接アクセス

機器から取得するデータは、構造化データと非構造化データの両方に対応し、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から取得できます。データがどこにあっても、MATLAB にデータを取り込むことができます。十分な故障データがなくても故障信号 を挿入したり、システム故障のダイナミクスをモデル化することで、故障データを機器の Simulink モデルから生成できます。

データのクリーニングと探索によるデータの簡素化

データが最初から綺麗に整っていることは稀であり、通常データのクリーニングが必要です。MATLAB ではデータの前処理、次元の削減、特徴量の選択を実行できます。

  • 異なるレートでサンプリングされたデータを欠損値と外れ値を考慮して調整
  • 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・選択のための統計や動的解析手法を使用した、データの単純化と予測モデルの過適合への対応 

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、故障発生までの時間を予測します。

  • RUL の推定と故障モードの分類に用いる最重要な変数を対話形式で探索、選択
  • 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

稼動システムへのアルゴリズムの展開

MATLAB アルゴリズムを組み込みデバイスおよびエンタープライズ IT/OT システムに実装することで、応答時間の短縮、送信データの削減、解析結果の現場作業者への即時伝達を可能にします。

  • 対象となる設備機器 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 解析機能を運用サーバーを含むクラウドにスケールさせ、Spotfire、PI Server、その他のプラットフォームと統合