예측 유지보수

 

건전성 예측관리를 위한 MATLAB 및 Simulink

엔지니어들은 MATLAB® 및 Simulink®를 사용하여 기업용 IT 및 OT 시스템에 대한 상태 모니터링과 건전성 예측관리 소프트웨어를 개발하고 배포합니다.

  • 내장형 인터페이스와 REST, MQTT, OPC UA 등의 프로토콜을 이용하여 클라우드 저장소, 관계형 데이터베이스, 비관계형 데이터베이스에 있는 스트리밍 데이터와 아카이브 데이터에 액세스합니다.
  • 신호처리 앱과 통계 기법을 활용하여 데이터에 전처리 작업을 수행하고 특징을 추출함으로써 장비 상태를 모니터링합니다.
  • 머신 러닝 모델을 구축하여 고장요인을 추출하고 고장 수명(time-to-failure)과 잔여 수명(RUL)을 예측합니다.
  • C/C++, Python, HDL, PLC, GPU , .NET 또는 Java® 기반 소프트웨어 구성요소를 자동으로 생성하여, 임베디드 시스템, 에지(edge)디바이스, 클라우드 등 현재 운영 중인 시스템에 알고리즘과 모델을 배포합니다.

"MATLAB은 이전에는 판독 불가능했던 데이터를 사용 가능한 형식으로 변환할 수 있는 기능을 제공했으며, 다수의 트럭 및 지역별 데이터에 필터링 및 스펙트럼 분석을 자동화하고 머신 러닝 기법을 실시간으로 적용하여 유지정비를 수행할 최적의 시기를 예측할 수 있게 되었습니다.”

Celestion사, 앤드류 하퍼

데이터가 있는 곳이라면 어디에나 액세스합니다.

장비에서 나온 데이터는 구조화되어 있거나 그렇지 않을 수 있고, 로컬 파일이나 AWS® S3, Azure® Blob과 같은 클라우드, 데이터베이스, 데이터 기록 등 다수의 소스에 있을 수 있습니다. 데이터가 어디에 있더라도 MATLAB을 이용하면 얻을 수 있습니다. 고장 데이터가 충분하지 않다면, 보유하고 있는 기계 장비의 Simulink 모델에서 고장 시나리오를 가정하고 시스템 고장 다이내믹스를 모델링하여 생성할 수 있습니다.

정리와 탐색을 통해 데이터를 단순화합니다.

수집된 데이터는 대부분 비정형 데이터입니다.  MATLAB을 이용하면 데이터에 전처리작업을 수행하고  복잡성을 줄이며, 특징을 추출할 수 있습니다.

  • 다양한 속도로 샘플링된 데이터를 정렬하고 누락된 값이나 이상값을 탐색할 수 있습니다.
  • 고급 신호처리 기법을 활용하여 잡음을 제거하고 데이터를 필터링하며, 일시적인 신호나 변화하는 신호를 분석할 수 있습니다.
  • 통계적 방법이나 특징 추출 및 선택과 같은 첨단 기법을 활용하여 데이터세트를 단순화하고 예측 모델의 오버피팅을 줄임으로써 데이터 기반 모델의 최적화를 수행하실 수 있습니다.

머신 러닝을 이용하여 고장을 탐지하고 예측합니다.

분류, 회귀, 시계열 모델링 기법을 활용하여, 고장의 근본 원인을 식별하고 고장 주기를 예측합니다.

  • 가장 주요한 변수를 쉬운 사용자 환경에서 탐색하고 선택하여 잔여 수명(RUL)을 예측하거나 고장 상태 를 분류합니다.
  • 내장 함수를 이용하여 다수의 예측 모델을 학습, 비교, 검증합니다.
  • 신뢰도 구간을 계산하고 표시함으로써 예측의 불확실성을 정량화합니다.

시스템 구축 시스템에 알고리즘을 배포합니다.

임베디드 디바이스와 기업용 IT/OT 시스템에서 MATLAB 알고리즘을 구현함으로써 응답 시간을 단축하고 데이터 송신량을 줄이며, 현장 작업자가 즉시 활용할 수 있는 결과를 산출합니다.

  • MATLAB과 Simulink를 사용하여 타겟 에셋(target asset)과 에지(edge)디바이스 대상으로 C/C++ 코드를 자동으로 생성함으로써 수작업 코딩을 없앱니다.
  • 시스템 구축 서버를 이용하여 대단위 클라우드에서 MATLAB  분석 환경을   확장하고 Spotfire, PI Server 등의 플랫폼과 통합하실 수 있습니다.