MathWorks, MATLAB을 위한 새로운 예측 유지보수 제품 추가

MathWorks는 금일 엔지니어가 상태 모니터링 및 예측 유지보수 알고리즘을 설계하고 테스트하는 데 도움이 되는 새로운 MATLAB 제품인 Predictive Maintenance Toolbox를 발표했습니다. Predictive Maintenance Toolbox는 데이터를 구성하고, 상태 지표를 설계하고, 기계 상태를 모니터링하고, RUL(잔여 수명)을 예측하여 장비 오류를 방지하기 위한 알고리즘을 설계하는 엔지니어를 위한 라이브러리 및 다양한 예제를 제공합니다.

엔지니어는 Predictive Maintenance Toolbox를 사용하여 로컬 또는 클라우드 스토리지에 저장된 파일에서 가져온 센서 데이터를 분석하고 레이블을 지정할 수 있습니다. 그뿐만 아니라 Simulink 모델을 이용한 고장의 시뮬레이션을 통해 고장 레이블이 포함된 데이터를 수집하실 수 있습니다. 스펙트럼 분석과 시계열 분석 같은 기술을 기반으로 구축되는 신호 처리 및 동적 모델링 방법을 통해 엔지니어는 데이터를 전처리할 수 있으며, 기계의 상태를 모니터링하는 데 사용 가능한 특징을 추출할 수 있습니다. 생존, 유사성, 트렌드 기반 모델을 사용하여 RUL을 예측할 경우 엔지니어가 기계의 오류 시점을 예측하는 데 도움이 됩니다. 이 툴박스에는 사용자 정의 예측 유지보수 및 상태 모니터링 알고리즘을 개발하는 데 재사용할 수 있는 모터, 기어박스, 배터리 및 기타 기계에 대한 참조 예제가 포함되어 있습니다.

이제 엔지니어는 장비 오류가 발생할 수 있는 시점을 예측하거나 센서 데이터를 모니터링하여 기저의 이상 징후를 감지하는 데 필요한 알고리즘을 개발하고 검증할 수 있습니다. 이러한 알고리즘은 로컬 파일이나 Amazon S3 및 Windows Azure Blob Storage 또는 Hadoop Distributed File System 같은 클라우드 스토리지 시스템에 저장된 과거의 데이터에 액세스하는 방식을 통해 개발됩니다. 데이터의 또 다른 소스는 오류 역학이 통합된 장비의 물리적 모델에서 얻은 시뮬레이션 데이터입니다. 엔지니어는 이러한 데이터에서 가장 적합한 특징을 추출하고 선택한 다음, 대화형 앱을 사용하여 기계 학습 모델에 이러한 특징을 학습시켜 장비 오류를 예측하거나 감지할 수 있습니다.

"예측 유지보수는 산업용 사물인터넷(IoT)의 핵심 응용 프로그램입니다. 이는 불필요한 유지보수 비용을 줄이고 예기치 않은 가동 중지 시간을 없애는 데 매우 중요합니다. 기계 학습 또는 신호 처리에 대한 배경 지식이 없는 엔지니어의 경우 예측 유지보수를 위한 알고리즘을 설계하는 데 특히 어려움을 겪습니다"라고 MathWorks의 기술 마케팅 관리자 Paul Pilotte는 이야기하며 다음과 같이 덧붙였습니다. "이제 이들 팀은 이러한 알고리즘을 설계하고 테스트하는 방법을 학습하기 위한 시작점으로 Predictive Maintenance Toolbox를 활용하여 속도를 빠르게 증진할 수 있습니다."

엔지니어링 팀이 MATLAB을 사용하여 오류를 예측하여 장비 가동 중지 시간을 줄이고, 오류의 근본 원인을 자동으로 확인하고, 불필요한 유지보수 비용을 없애는 방법에 대한 자세한 내용은 MATLAB 및 Simulink를 사용한 예측 정비에서 참조할 수 있습니다.