预见性维护

预测维护的MATLAB金宝app和Simulink

开发和部署定制的预测性维护算法

开始

“尽管之前在人工智能方面几乎没有经验，但在有限的预算和紧迫的期限内，我们在MATLAB中完成了一个诊断模型，能够检测风力涡轮机部件故障，准确率超过90%。”

Jung Chul Choi，韩国能源研究所
探索客户故事

授权给你的工程师

MATLAB®是工程师开发预测性维护算法并将其部署在操作中最简单、最高效的环境。

设计预测算法

通过特定领域的特性和低代码AI检测异常，识别故障，并估计剩余使用寿命

模型组件和系统

从设计中重用模型，生成合成传感器数据，构建和集成数字双胞胎

部署在任何地方

与云中的IT/OT系统集成，或生成C/ c++代码进行实时处理

设计预测算法

创建一个可靠的预测算法不仅仅是人工智能:访问、清理和探索你的数据，然后使用你的工程专业知识来提取最佳特征来训练预测算法。快速学习特定于应用程序的函数和参考示例。

  • 使用连接云存储、数据库、数据历史记录和工业协议的内置接口访问流数据和归档数据
  • 使用交互式统计和信号处理技术清理和探索数据
  • 方法提取时域、频域和特定于应用程序的特征并对其进行排序诊断特性设计器
  • 识别故障和预测故障时间使用low-code人工智能、统计和基于模型的方法

了解更多

模型组件和系统

通过在Simulink和Simscape中构建基于物理的模型，您可以生金宝app成合成故障和退化数据，确定最佳传感器，并模拟未来的性能。

  • 创造或重新利用金宝app而且Simscape组件和系统的模型
  • 调整模型参数以匹配实际设备性能
  • 生成用于训练预测算法的综合故障和退化数据
  • 将模型部署为数字的双胞胎

了解更多

模型组件和系统

部署在任何地方

通过在嵌入式设备和企业IT/OT系统上实现MATLAB算法，缩短响应时间，传输更少的数据，并立即将结果提供给操作员。

  • 通过以下方法消除手工编码生成C/ c++代码直接在资产和边缘设备上进行实时处理
  • 缩放您的MATLAB算法与各种集成云平台-无需重新编码或创建自定义基础设施

了解更多

使用MATLAB生产服务器在企业生态系统中部署预测算法

与预测性维护专家交谈

联系我们

30天免费试用

尝试MATLAB, Si金宝appmulink，预测性维护工具箱，和70 +下载188bet金宝搏产品．

开始