예측 정비 알고리즘을 위한 상태 지표 설계하기

장비 사용자와 제조업체는 예측 정비를 통해 기계의 작동 상태를 평가하거나, 결함을 진단하거나, 다음번 장비 고장이 언제 발생할지 추정할 수 있습니다. 고장을 진단하거나 예측할 수 있으면 사전에 유지관리를 계획하고, 재고를 더 효율적으로 관리하고, 가동 중단 시간을 줄이며, 운영 효율을 높일 수 있습니다.

예측 정비 프로그램의 전체 워크플로는 데이터 수집에서 시작하고 상태 모니터링 알고리즘의 배포 및 통합으로 끝나는 여러 단계로 구성됩니다. 자세한 내용은 상태 모니터링 및 예측 정비를 위한 알고리즘 설계하기 항목을 참조하십시오.

예측 정비 알고리즘 개발의 핵심 단계는 상태 지표를 설계하는 것으로, 상태 지표는 성능 저하가 진행됨에 따라 동작이 예측 가능한 방식으로 변화되는 시스템 데이터에 내포된 특징입니다. 정상 작동과 결함 작동을 구분하거나 잔여 수명을 예측하는 데 효과적인 특징을 상태 지표로 사용할 수 있습니다. 유용한 상태 지표는 유사한 시스템 상태는 군집화하고 상이한 상태는 분리합니다. 상태 지표의 예로 다음으로부터 도출된 수량을 들 수 있습니다.

간단한 분석(예: 시간에 따른 데이터의 평균값)
보다 복잡한 신호 분석(예: 신호 스펙트럼의 피크 크기의 주파수, 회전하는 컴포넌트에서 발생하는 신호의 시간-동기 평균화)

진단 특징 디자이너 앱에서는 다기능 그래픽 인터페이스를 사용하여 특징을 개발하고 잠재적인 상태 지표를 평가할 수 있습니다.

Diagnostic Feature Designer interface. The toolstrip is along the top. The Variables pane that lists variables and feature tables is on the left. A ranked set of features are shown graphically in the middle and numerically on the right.

이 앱은 데이터 앙상블에 대해 연산을 수행합니다. 앙상블이란 다양한 상태에서 시스템을 측정 또는 시뮬레이션하여 만든 데이터 세트의 모음을 의미합니다. 하나의 상태 세트에 속한 하나의 시스템을 나타내는 개별 데이터 세트를 멤버라고 합니다. 진단 특징 디자이너는 한 번의 연산으로 앙상블 멤버 전체를 처리합니다.

진단 특징 디자이너에서는 대화형 방식으로 다음과 같은 작업을 수행할 수 있습니다.

앙상블 멤버를 플로팅하고 앙상블 멤버와 상호 작용하여 데이터 앙상블을 시각적으로 탐색합니다.
데이터를 여러 형태로 변환하여 탐색합니다. 예를 들어, 신호의 파워 스펙트럼을 만들어서 주파수 영역 동작을 평가할 수 있습니다. 또는 시간-동기 평균화를 수행하여 기계 회전과 관련 없는 잡음이나 간섭을 필터링할 수 있습니다.
다양한 유형의 특징을 생성한 다음 각 특징이 여러 다른 상태의 시스템으로부터 데이터를 얼마나 효과적으로 분리하는지 시각화하는 히스토그램을 플로팅합니다.
특정 조건을 사용하여 가장 효과적인 특징을 판단하는 순위 지정 알고리즘을 사용하여, 생성된 특징에 순위를 지정합니다.
앱의 데이터 세트 또는 특징 세트를 MATLAB^® 작업 공간으로 내보내거나, 모델 개발 및 추가 특징 평가를 위해 특징 세트를 분류 학습기로 내보냅니다.
다른 데이터 세트 또는 더 큰 데이터 세트에서 특징 계산을 수행할 수 있도록 특징에 대한 MATLAB 코드를 생성합니다.

3부로 이루어진 다음 튜토리얼에서는 변속기 시스템 모델의 진단 특징 디자이너 워크플로를 초기 데이터 가져오기 단계에서 선택한 특징 내보내기 단계까지 설명합니다.