광산

머신 러닝, 딥러닝 및 빅 데이터

Statistics and Machine Learning Toolbox™의 대화형 앱을 통해 데이터 과학의 전문가가 될 필요 없이 머신 러닝 기법을 적용할 수 있습니다. MATLAB은 또한 빅 데이터 작업과 딥러닝 모델 개발을 위한 고성능 단일 환경을 제공합니다. 이를 통해 장애 감지 및 진단을 더욱 빠르게 수행하고 프로세스를 더욱 원활하게 모니터링할 수 있습니다.

다양한 데이터베이스 통합과 공정 최적화를 위한 머신 러닝 활용을 통해 분석 시간을 며칠에서 몇 분으로 줄인 Ruukki 엔지니어의 비결을 알아보십시오.

장애 데이터 시뮬레이션

전통적으로 엔지니어가 센서로부터 수집한 데이터를 기반으로 광산 플랜트와 프로세스를 최적화합니다. 하지만 기계 내 여러 가능한 장애 모드로 인해 센서 데이터를 항상 활용할 수는 없습니다. 대신 시뮬레이션 데이터를 사용해 기계에 대한 모델을 만들고 장애가 발생하는 작동 조건을 시뮬레이션함으로써 장애를 나타낼 수 있습니다.

Simulink 및 Simscape™를 통해 물리적인 구성 요소와 동력 측면에서 동작을 설명할 수 있는 기계의 모델을 구축할 수 있습니다. 파라미터값 수정, 장애 주입 및 모델 동력 변경을 통해 기계의 각기 다른 장애 모드를 나타낼 수 있습니다.

데이터 모델링을 통한 공정 개선

MATLAB의 다변량 분석 툴을 사용하여 프로세스 성능에 영향을 미치는 독립적 변수를 판단하십시오. System Identification Toolbox™를 통해 제1원칙 또는 사양으로부터 쉽게 모델링할 수 없는 동적 시스템 모델을 만들고 사용할 수 있습니다. 이 툴박스를 사용하여 온라인 파라미터 및 상태 추정을 대화형 방식으로 수행할 수도 있습니다. 

Shell이 MATLAB을 사용한 방식 보기 (3:35) 모델을 개발하고 배치 프로세스에서 실시간 최적화 수행하기.