MATLAB 및 Simulink 교육

Predictive Maintenance with MATLAB

일정 보기 및 등록

교육과정 세부 정보

본 2일 교육과정은 예측 유지관리 및 상태 모니터링 워크플로우에 필요한 데이터 분석, 신호 처리 및 기계 학습 기술을 다룹니다. 시간-주파수 특징을 추출하기 위한 신호처리 기술, 기계 학습(machine learning) 기술 적용 및 상태 모니터링과 결과를 시각화하기 위해 유연한 사용자 인터페이스를 구축하는 방법을 배우게 될 것입니다. 본 과정의 주요 내용은 다음과 같습니다.

  • 데이터 불러오기 및 구성하기
  • 사용자 지정 시각화 생성
  • 분류 및 회귀 모델 생성
  • 데이터 품질 향상을 위한 전처리 작업 및 시간-주파수 특징 추출
  • 잔여 수명(RUL) 예측
  • App Designer 환경에서 앱 레이아웃 설정
  • 앱을 통한 그래픽스 오브젝트 생성 및 업데이트

Day 1 of 2


데이터 가져오기 및 데이터 처리

Objective: 데이터를 MATLAB으로 가져와서 누락값 처리를 비롯하여 분석을 위해 구성합니다. 데이터의 일부를 추출 및 조작하는 등 가져온 원시 데이터를 처리합니다.

  • MATLAB 데이터형을 사용하여 데이터 저장
  • 데이터저장소를 사용하여 가져오기
  • 누락된 요소가 있는 데이터 처리
  • tall형 배열을 갖는 빅데이터 처리

데이터에서 자연 패턴 찾기

Objective: 비지도 학습 기법을 사용하여, 상태 지표 세트를 기반으로 관측값을 그룹화하고 데이터 세트에서 자연적 패턴을 검색합니다.

  • 데이터 내에서 자연적 군집 찾기
  • 차원 축소 수행
  • 데이터 내의 군집 평가 및 해석
  • 이상 감지

분류 모델 구축

Objective: 지도 학습 기법을 사용하여 분류 문제에 대해 예측 모델링을 수행합니다. 예측 모델의 정확도를 평가합니다.

  • 분류 학습기 앱을 사용하여 분류
  • 레이블이 지정된 데이터로 분류 모델 훈련
  • 훈련된 분류 모델 검증
  • 하이퍼파라미터 최적화로 성능 개선

Day 2 of 2


신호 탐색 및 분석

Objective: 데이터의 신호 처리 특징을 대화형 방식으로 탐색 및 시각화합니다.

  • 신호 가져오기, 시각화 및 탐색을 통해 정보 얻기
  • 신호에 대해 측정 수행
  • 시간 영역과 주파수 영역의 여러 신호 비교
  • 대화형 방식의 스펙트럼 분석 수행
  • 관심 영역 추출
  • 자동화를 위해 MATLAB 스크립트 생성

신호를 전처리하여 데이터 세트 품질 향상 및 특징 생성

Objective: 리샘플링, 이상값 제거, 누락된 구간 채우기와 같은 작업으로 신호 세트를 정리하는 기법을 알아봅니다. 대화형 방식으로 특징을 생성하고 특징에 순위를 지정합니다.

  • 리샘플링을 사용하여 균일하지 않게 샘플링된 신호 처리
  • 균일하게 샘플링된 신호의 간격 채우기
  • 리샘플링을 수행하여 신호에 대해 공통 시간 베이스 보장
  • 신호 분석기 앱을 사용하여 필터 설계 및 적용
  • 파일 앙상블 데이터저장소를 사용하여 데이터 가져오기
  • 진단 특징 디자이너 앱을 사용하여 자동으로 특징 생성 및 순위 지정
  • 포락선 스펙트럼을 사용하여 기계 진단 수행
  • 이상값을 찾아 허용 가능한 샘플로 바꾸기
  • 변화 지점 감지 및 자동 신호 분할 수행

고장 수명 추정

Objective: 데이터를 탐색하여 특징을 식별하고 결정 모델을 훈련시켜서 잔여 수명을 예측합니다.

  • 상태 지표 선택
  • 수명 데이터와 생존 모델을 사용하여 잔여 수명 추정
  • Run-to-threshold 데이터와 성능 저하 모델을 사용하여 잔여 수명 추정
  • Run-to-failure 데이터와 유사성 모델을 사용하여 잔여 수명 추정

수준: 중급

수강자 필수조건:

기간: 2 일

언어: English, 日本語, 한국어, 中文

일정 보기 및 등록