Predictive Maintenance Toolbox는 모터, 기어박스, 베어링, 배터리 및 기타 응용 분야에 대한 상태 모니터링 및 예측 정비 알고리즘을 설계하기 위한 함수와 앱을 제공합니다. 이 툴박스를 통해 상태 지표를 설계하고, 고장 및 이상을 탐지하고, RUL(잔여 수명)을 추정할 수 있습니다.
진단 특징 디자이너 앱을 사용하면 시간, 주파수, 시간-주파수, 물리 기반 특징을 대화형 방식으로 추출할 수 있습니다. 고장 및 이상 탐지를 위한 응용 사례 특정 알고리즘을 개발하기 위해 특징에 순위를 지정하고 내보낼 수 있습니다. RUL을 추정하기 위해 생존, 유사성 및 추세 기반 모델을 사용할 수 있습니다.
이 툴박스를 통해 로컬 파일, 클라우드 저장공간 및 분산 파일 시스템으로부터 가져온 센서 데이터를 정리하고 분석할 수 있습니다. Simulink 및 Simscape 모델에서 시뮬레이션된 고장 데이터를 생성할 수 있습니다.
알고리즘을 운용화하려면 에지 배포의 경우 C/C++ 코드를 생성하거나 클라우드 배포의 경우 생산 애플리케이션을 생성할 수 있습니다. 이 툴박스는 사용자 지정 예측 정비 알고리즘을 개발하고 배포하는 데 재사용할 수 있는 응용 사례 특정 참조 예제를 포함하고 있습니다.
이상 및 고장 탐지
시계열 데이터에서 이상 및 고장을 탐지하기 위해 통계, 머신러닝 및 딥러닝 알고리즘을 훈련시킬 수 있습니다. 시스템의 변경 사항을 추적하고 이상을 탐지하고 고장을 식별할 수 있습니다.
RUL(잔여 수명) 추정
과거 데이터로 RUL 추정기 모델을 훈련시켜 고장 수명을 예측할 수 있습니다. 건전성 지표 디자이너 앱을 사용해 대화형 방식으로 특징을 변환하여 RUL 모델 훈련을 위한 복합 건전성 지표를 만들 수 있습니다.
특징 엔지니어링
진단 특징 디자이너 앱을 사용해 통계 및 AI 모델을 훈련시키기 위한 특징을 자동으로 추출하고 순위를 지정할 수 있습니다.
데이터 관리 및 전처리
로컬 또는 원격으로 저장된 센서 데이터에 액세스할 수 있습니다. 이상값을 제거하고 필터링하고 다양한 시간, 주파수, 시간-주파수 전처리 기법을 적용함으로써 알고리즘 개발을 위한 데이터를 준비할 수 있습니다.
합성 데이터 생성
Simulink 및 Simscape에 내장된 물리 기반 모델을 사용해 시스템 거동, 고장 및 열화를 시뮬레이션하거나 시계열 데이터에 인위적인 이상을 직접 주입할 수 있습니다. 디지털 트윈을 생성해 성능을 모니터링하고 미래의 거동을 예측할 수 있습니다.
임베디드 배포
MATLAB Coder를 사용하여 실시간 임베디드 처리를 위해 특징 계산 함수, 상태 모니터링 알고리즘 및 예측 알고리즘에서 직접 C/C++ 코드를 생성할 수 있습니다.
클라우드 배포
MATLAB Compiler 및 MATLAB Compiler SDK를 사용해 알고리즘을 공유 라이브러리, 패키지, 웹 앱, Docker 컨테이너 등을 통해 클라우드로 확장할 수 있습니다. 재코딩 없이 Microsoft® Azure® 또는 AWS®에 MATLAB Production Server로 배포할 수 있습니다.
제품 관련 자료:
예측 정비 비디오 시리즈
이 비디오 시리즈를 통해 예측 정비에 대해 알아볼 수 있습니다.
Predictive Maintenance Toolbox FAQ
Predictive Maintenance Toolbox는 모터, 기어박스, 베어링, 배터리 및 기타 응용 분야에 대한 상태 모니터링 및 예측 정비 알고리즘을 설계하는 함수와 앱을 제공하여, 사용자는 이를 통해 상태 지표를 설계하고, 고장 및 이상을 탐지하며, RUL(잔여 수명)을 추정할 수 있습니다.
진단 특징 디자이너 앱을 사용하면 센서 데이터로부터 시간, 주파수, 시간-주파수, 물리 기반 특징을 대화형 방식으로 추출하고, 그 유효성에 따라 순위를 매기며, 이를 내보내어 고장 및 이상 탐지를 위한 응용 사례 특정 알고리즘을 개발할 수 있습니다.
이 툴박스에는 과거 데이터를 기반으로 훈련된 고장 수명을 예측할 수 있는 생존, 유사성 및 열화 모델이 포함되어 있습니다.
네, MATLAB Coder를 사용해 임베디드 배포를 위한 C/C++ 코드를 생성하거나 MATLAB Compiler, MATLAB Compiler SDK, 또는 MATLAB Production Server를 사용해 클라우드 배포를 위한 프로덕션 애플리케이션을 생성할 수 있습니다.
로컬 파일, 클라우드 저장공간 및 분산 파일 시스템으로부터 가져온 다채널, 다개체 시계열 센서 데이터를 정리하고 분석할 수 있습니다. Simulink 및 Simscape 모델에서 시뮬레이션된 고장 데이터를 생성할 수도 있습니다.
이 툴박스는 시계열 센서 데이터를 사용하는 모든 예측 정비 응용 사례에 사용할 수 있을 뿐만 아니라, 회전 기계 및 배터리에 대한 컴포넌트 특정 툴 및 참조 예제도 제공합니다. 이에는 베어링 고장 분류, 펌프 누수 탐지, 모터 성능 변화 추적, 기어박스 고장 식별, 리튬이온 셀과 배터리팩의 이상 탐지, 잔여 배터리 사이클 수명 추정 등이 포함됩니다.
Time Series Anomaly Detection for MATLAB는 Predictive Maintenance Toolbox를 위한 지원 패키지입니다. 이 지원 패키지에는 준비된 통계, 머신러닝 및 딥러닝 탐지기를 사용해 정상 시스템 동작을 특성화하고 시계열 센서 데이터에서 이상을 감지하는 기능과 앱이 포함되어 있습니다.
