예측 정비

데이터 전처리

MathWorks 컨설턴트는 분산된 데이터, 누락되고 유효하지 않은 데이터, 그리고 이상값과 잡음을 처리할 수 있도록 데이터 통합, 정리, 신호 처리 기법의 응용 사례와 관련된 지원을 제공합니다. 이를 통해 분석과 모델 개발이 가능한 구조화된 데이터셋이 생성됩니다.

탐색적 분석

MathWorks는 센서 측정값과 출력값 간의 관계(예: 고장 수명)가 잘 파악되지 않는 사례를 포함하여 데이터를 효율적이고 체계적으로 조사할 수 있도록 도와드립니다. 곡선 피팅, 시스템 식별, 신호 분석기 앱과 같은 시각화 및 데이터 분석 툴을 사용하여 가설을 테스트하고 이해를 빠르게 증진할 수 있습니다. 차원 축소, 특징 순위 지정 및 선택 방법을 적용하여 모델 개발을 준비할 수 있습니다.

예측 모델링

데이터 점에 레이블이 지정되지 않은 경우, MathWorks는 비지도 머신러닝 접근법을 적용하여 측정값에서 패턴과 이상을 검출 및 감지할 수 있도록 도와드립니다. 특징 공간에서 장비의 노화 궤적을 추론하는 등, 노화로 인한 측정값의 변화를 시각화하고 분석하는 방법을 보여드립니다. 데이터에서 발생하는 클러스터를 식별 및 시각화하고 이러한 범주에 레이블을 지정할 수 있도록 도와드립니다.

데이터 점에 레이블이 지정된 경우에는 다양한 분류 및/또는 회귀 모델을 만들고 비교하여 각 고장의 근본 원인을 식별하고 잔여 수명을 추정할 수 있도록 도와드립니다. MathWorks는 최고 성능의 모델을 검증 및 개선하고 특징 변환을 조사하여 정확도를 높이도록 도와드릴 수 있습니다. 선택된 특징을 살펴보면 어떤 센서가 가장 유의미한 정보를 제공하는지 판단할 수 있습니다.

운용 배포

예측 모델이 개발된 후에는 이를 프로덕션 단계에서 사용할 수 있도록 도와드립니다. 여기에서는 임계값 및 성능 메트릭을 선택하여 제어 절차를 마무리합니다. 그런 다음에는 여러분과 협력하여 알고리즘으로부터 자동 생성된 C/C++ 및/또는 HDL 코드를 “스마트” 기기, 마이크로컨트롤러 또는 전화기에 배포합니다. 또한 MathWorks는 클라우드 또는 온프레미스에서 IoT 분석을 구현할 수 있도록 도와드립니다.

MathWorks 컨설턴트는 다음과 같은 작업에 대해 여러분을 도와드릴 수 있습니다.

• 적절한 데이터 전처리, 특징 선택 및 예측 모델링 기법을 판별하여 이를 데이터에 적용
• 사용자 지정된 프로젝트 기반 코칭 세션을 통해 지식과 모범 사례를 전하여 사내 역량 구축
• 수정된 절차를 프로덕션에 배포하여 정비 및 운영 비용 절감

예측 정비
고객 성공 사례

“MathWorks Consulting의 지원은 지금껏 본 것들 중 최고입니다. 컨설턴트들은 매우 신속하고 지식수준도 정말 뛰어납니다. 비용 절감에 따른 투자 대비 성과는 긍정적인 것으로 이미 확인되었고, 지금은 비슷한 혜택을 가져올 더 많은 머신러닝 프로젝트를 완료할 수 있는 예산과 시간을 확보하였습니다.”

— Herr Dr. Michael Kohlert, Mondi Gronau GmbH