Predictive Maintenance with MATLAB

1일차

데이터 가져오기 및 데이터 처리

학습목표: 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

학습목표: 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

학습목표: 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

2일차

신호 탐색 및 분석

학습목표: 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

학습목표: 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

학습목표: 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