예측 정비
예측 정비는 데이터를 기계 거동의 지능형 모니터링에 활용하여 너무 이른 개입으로 인한 비용을 줄이고 재해성 고장을 방지할 수 있습니다. 서비스 주기는 센서 데이터를 토대로 장비 상태 정보를 추론하여 최적화할 수 있습니다. 그 결과 가동 시간은 늘고 전체 비용은 감소하는 보다 스마트한 운용이 실현됩니다. MATLAB은 예측 정비 워크플로의 구현에 있어서 이상적인 툴입니다.
데이터 전처리
MathWorks 컨설턴트는 분산된 데이터, 누락되고 유효하지 않은 데이터, 그리고 이상값과 잡음을 처리할 수 있도록 데이터 통합, 정리, 신호 처리 기법의 응용 사례와 관련된 지원을 제공합니다. 이를 통해 분석과 모델 개발이 가능한 구조화된 데이터셋이 생성됩니다.
탐색적 분석
MathWorks는 센서 측정값과 출력값 간의 관계(예: 고장 수명)가 잘 파악되지 않는 사례를 포함하여 데이터를 효율적이고 체계적으로 조사할 수 있도록 도와드립니다. 곡선 피팅, 시스템 식별, 신호 분석기 앱과 같은 시각화 및 데이터 분석 툴을 사용하여 가설을 테스트하고 이해를 빠르게 증진할 수 있습니다. 차원 축소, 특징 순위 지정 및 선택 방법을 적용하여 모델 개발을 준비할 수 있습니다.
예측 모델링
데이터 점에 레이블이 지정되지 않은 경우, MathWorks는 비지도 머신러닝 접근법을 적용하여 측정값에서 패턴과 이상을 검출 및 감지할 수 있도록 도와드립니다. 특징 공간에서 장비의 노화 궤적을 추론하는 등, 노화로 인한 측정값의 변화를 시각화하고 분석하는 방법을 보여드립니다. 데이터에서 발생하는 클러스터를 식별 및 시각화하고 이러한 범주에 레이블을 지정할 수 있도록 도와드립니다.
데이터 점에 레이블이 지정된 경우에는 다양한 분류 및/또는 회귀 모델을 만들고 비교하여 각 고장의 근본 원인을 식별하고 잔여 수명을 추정할 수 있도록 도와드립니다. MathWorks는 최고 성능의 모델을 검증 및 개선하고 특징 변환을 조사하여 정확도를 높이도록 도와드릴 수 있습니다. 선택된 특징을 살펴보면 어떤 센서가 가장 유의미한 정보를 제공하는지 판단할 수 있습니다.
운용 배포
예측 모델이 개발된 후에는 이를 프로덕션 단계에서 사용할 수 있도록 도와드립니다. 여기에서는 임계값 및 성능 메트릭을 선택하여 제어 절차를 마무리합니다. 그런 다음에는 여러분과 협력하여 알고리즘으로부터 자동 생성된 C/C++ 및/또는 HDL 코드를 “스마트” 기기, 마이크로컨트롤러 또는 전화기에 배포합니다. 또한 MathWorks는 클라우드 또는 온프레미스에서 IoT 분석을 구현할 수 있도록 도와드립니다.
MathWorks 컨설턴트는 다음과 같은 작업에 대해 여러분을 도와드릴 수 있습니다.
- 적절한 데이터 전처리, 특징 선택 및 예측 모델링 기법을 판별하여 이를 데이터에 적용
- 사용자 지정된 프로젝트 기반 코칭 세션을 통해 지식과 모범 사례를 전하여 사내 역량 구축
- 수정된 절차를 프로덕션에 배포하여 정비 및 운영 비용 절감
“MathWorks Consulting의 지원은 지금껏 본 것들 중 최고입니다. 컨설턴트들은 매우 신속하고 지식수준도 정말 뛰어납니다. 비용 절감에 따른 투자 대비 성과는 긍정적인 것으로 이미 확인되었고, 지금은 비슷한 혜택을 가져올 더 많은 머신러닝 프로젝트를 완료할 수 있는 예산과 시간을 확보하였습니다.”
— Herr Dr. Michael Kohlert, Mondi Gronau GmbH
