Predictive Maintenance Toolbox 시작하기
Predictive Maintenance Toolbox™는 모터, 기어박스, 베어링, 배터리를 비롯한 여러 응용 분야의 상태 모니터링 및 예측 정비 알고리즘을 설계할 수 있는 함수와 앱을 제공합니다. 이 툴박스를 사용하면 상태 지표를 설계하고, 결함을 검출하고 이상을 감지하며, 잔여 수명(RUL)을 추정할 수 있습니다.
진단 특징 디자이너 앱에서는 대화형 방식으로 시간, 주파수, 시간-주파수 및 물리학 기반 특징을 추출할 수 있습니다. 특징에 순위를 지정하고 내보내서 각 응용 사례에 특화된 결함 검출 및 이상 감지 알고리즘을 개발할 수 있습니다. RUL 추정에는 생존 모델, 유사성 모델, 추세 기반 모델을 사용할 수 있습니다.
이 툴박스는 로컬 파일, 클라우드 저장소, 분산 파일 시스템에서 가져온 센서 데이터를 구성하고 분석할 수 있습니다. Simulink® 모델과 Simscape™ 모델에서 시뮬레이션된 고장 데이터를 생성할 수 있습니다.
알고리즘을 실제로 운용하기 위하여 에지 배포의 경우 C/C++ 코드를 생성하고 클라우드 배포의 경우 프로덕션 애플리케이션을 만들 수 있습니다. 이 툴박스에는 맞춤형 예측 정비 알고리즘을 개발하고 배포하는 데 재사용할 수 있는 참조 예제가 응용 분야별로 포함되어 있습니다.
튜토리얼
3부로 이루어진 이 튜토리얼에서는 진단 특징 디자이너에서 앙상블 데이터로 작업하고 특징을 추출하여 순위를 지정하는 방법을 보여줍니다.
상태 모니터링 및 예측 정비 소개
- What is Predictive Maintenance?
Predictive maintenance is an approach to detecting and anticipating system anomalies and failures before they significantly degrade system performance.
- 상태 모니터링 및 예측 정비를 위한 알고리즘 설계하기
Predictive Maintenance Toolbox를 사용하여 데이터로부터 상태 지표를 식별하고 시스템 상태 모니터링 및 잔여 수명 예측을 수행하는 알고리즘을 설계할 수 있습니다.
비디오
예측 정비 1부: 소개
여러 정비 전략 및 예측 정비 워크플로에 대해 알아봅니다. 예측 정비를 통해 고장 수명(time to failure)을 추정하여 유지관리 일정을 예약할 최적의 시간을 구할 수 있습니다.
예측 정비 4부: 특징 추출을 위해 진단 특징 디자이너를 사용하는 방법
예측 정비 알고리즘의 개발을 위해 진단 특징 디자이너를 사용하여 시간 영역 및 스펙트럼 특징을 추출하는 방법을 알아봅니다.
MATLAB을 사용한 상태 모니터링
MATLAB®을 사용하여 상태 모니터링 알고리즘을 개발하는 방법을 알아봅니다. 결함과 이상의 징후를 조기에 감지하기 위한 상태 모니터링 알고리즘을 개발하여 예기치 않은 장애와 불필요한 정비로 인한 가동 중단 시간과 비용을 줄일 수 있습니다.