Predictive Maintenance Toolbox 를 사용하여 센서 데이터 및 설계 상태 지표를 관리하고 기계의 RUL(잔여 수명)을 추정할 수 있습니다.
이 툴박스는 통계, 스펙트럼 및 시계열 분석 등의 데이터 기반 및 모델 기반 기법을 사용하여 특징을 탐색, 추출하고 순위를 지정하기 위한 함수와 대화형 방식의 앱을 제공합니다. 센서 데이터에서 특징을 추출하여 배터리, 모터, 기어박스 및 기타 기계의 성능을 모니터링할 수 있습니다. 기계의 고장 수명을 추정하기 위해 생존 모델, 유사성 모델 및 추세 기반 모델을 사용하여 RUL을 예측할 수 있습니다.
로컬 파일, 클라우드 저장소 및 분산 파일 시스템에서 가져온 센서 데이터를 정리하고 분석할 수 있습니다. Simulink 모델에서 생성된 시뮬레이션된 고장 데이터에 레이블을 지정할 수 있습니다. 이 툴박스에는 모터, 기어박스, 배터리, 펌프, 베어링 및 기타 기계에 대한 참조 예제가 있으며, 사용자는 이런 예제를 사용자 지정 예측 정비 및 상태 모니터링 알고리즘 개발에 재사용할 수 있습니다.
알고리즘을 운용화하려면 에지 기기에 배포할 수 있는 C/C++ 코드를 생성하거나 클라우드에 배포할 수 있는 프로덕션 응용 프로그램을 만들 수 있습니다.
특징 엔지니어링
진단 특징 디자이너 앱을 사용하거나 프로그래밍을 통해 결함 검출 및 예측에 AI를 사용한 신호 기반 및 모델 기반 접근법으로 센서 데이터로부터 특징을 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 적용하여 알고리즘 개발을 위해 데이터를 준비할 수 있습니다.
고장 데이터 생성
기계에 대한 Simulink 및 Simscape 모델을 사용하여 시뮬레이션된 고장 및 열화 데이터를 생성할 수 있습니다. 파라미터 값을 수정하고 결함을 주입하고 모델 동역학을 변경할 수 있습니다. 디지털 트윈을 생성하여 성능을 모니터링하고 미래의 거동을 예측할 수 있습니다.
코드 생성
MATLAB Coder를 사용하여 실시간 에지 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 사용하여 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.
추가 참고 자료
또한 다음 목록에서 웹사이트를 선택하실 수도 있습니다.
미주
- América Latina (Español)
- Canada (English)
- United States (English)
유럽
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
아시아 태평양
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)