预见性维护

MATLAB和SIMU金宝appLINK预测维护

工程师使用Matlab.®,s金宝appimulink.®,预测维护工具箱™为企业IT和OT系统开发和部署条件监控和预测维护软件。

  • 使用权流媒体和存档数据使用内置接口到云存储,关系和非统计数据库,以及休息,MQTT和OPC UA等协议。
  • 预处理数据和提取功能监测设备的使用情况应用用于信号处理和统计技术。
  • 发展机器学习模型孤立根本原因失败和预测失败剩下的使用寿命(rul)
  • 将算法和模型部署到您选择的运行系统(如)嵌入式系统边缘设备,而且通过自动生成C / C ++,Python,HDL,PLC,GPU,.NET或Java®基于软件组件。

使用MATLAB和SIMULINK金宝app进行预测维护

设计和测试条件监控和预测维护算法
了解有关预测维护概念和工作流程的更多信息。

无论在哪里获取数据

来自设备的数据可以是结构或非结构化的,并且驻留在多个来源(如本地文件),云(例如,AWS®S3,Azure.®BLOB),数据库和数据历史学家。您的数据是,您可以使用MATLAB到达。当您没有足够的故障数据时,您可以通过注入信号故障和建模系统故障动态来从机器设备的Simulink模型生成它。金宝app

数据访问

标题

清洁并探索您的数据以简化它

数据很乱。使用MATLAB,您可以预处理它,减少其维度和工程师功能。

  • 对齐以不同速率采样的数据,并考虑缺失值和异常值。
  • 去除噪声,过滤数据,并使用先进的信号处理技术分析瞬态或变化的信号。
  • 使用统计和动态方法简化数据集并减少预测模型的超容,用于特征提取和选择。

使用机器学习检测和预测故障

识别故障的根本原因,并使用分类,回归和时间序列建模技术预测失败的时间。

  • 交互式地探索和选择最重要的变量,以估计RUL或分类故障模式。
  • 培训,比较和验证内置功能的多个预测模型。
  • 计算和可视化置信区间以量化预测中的不确定性。
使用机器学习检测和预测故障

在生产系统中部署算法

在生产系统中部署算法

通过在嵌入式设备和企业IT/OT系统中实现MATLAB算法,缩短响应时间,传输更少的数据,并使结果立即提供给车间操作人员。

  • 通过从MATLAB和Simulink自动生成C/ c++代码到目标资产和边缘设备,消除手工编码。金宝app
  • 使用生产服务器缩放云上的MATLAB分析并与之整合拍摄π服务器和其他平台。