예측 정비를 위한 MATLAB 및 Simulink
엔지니어들은 MATLAB®, Simulink® 및 Predictive Maintenance Toolbox™를 사용하여 상태 모니터링 및 예측 정비 소프트웨어를 개발하고 엔터프라이즈 IT 및 OT 시스템에 배포합니다.
- 내장형 인터페이스와 REST, MQTT, OPC UA 등의 프로토콜을 이용하여 클라우드 저장소, 관계형 데이터베이스 및 비관계형 데이터베이스에 있는 스트리밍 데이터와 아카이브 데이터에 액세스할 수 있습니다.
- 앱을 사용한 신호 처리 및 통계 기법을 통해 데이터에 전처리 작업을 수행하고 특징을 추출함으로써 장비 건전성을 모니터링할 수 있습니다.
- 머신러닝 모델을 구축하여 고장의 근본 원인을 분리하고 고장 수명과 RUL(잔여 수명)을 예측할 수 있습니다.
- C/C++, Python, HDL, PLC, GPU, .NET 또는 Java® 기반 소프트웨어 구성요소를 자동으로 생성하여, 임베디드 시스템, 에지 기기, 클라우드 등 현재 운영 중인 시스템에 알고리즘과 모델을 배포할 수 있습니다.
예측 정비에 MATLAB 및 Simulink 사용하기
상태 모니터링 알고리즘과 예측 정비 알고리즘 설계 및 테스트
충분한 데이터 및 고장 데이터를 얻고, 고장을 예측하고, 예측 정비 알고리즘을 구축하는 방법을 알아봅니다.
어디에 있는 데이터라도 액세스 가능
장비에서 나온 데이터는 정형 또는 비정형 데이터일 수 있으며, 로컬 파일, AWS® S3, Azure® Blob과 같은 클라우드, 데이터베이스 및 데이터 기록 등 다양한 소스에 상주할 수 있습니다. MATLAB을 사용하면 어디에 있는 데이터라도 얻을 수 있습니다. 고장 데이터가 충분하지 않은 경우, 기계 장비의 Simulink 모델에서 신호 결함을 주입하고 시스템 고장 동특성을 모델링하여 생성할 수 있습니다.
정리와 탐색을 통한 데이터 단순화
데이터는 대개 정리가 필요하기 마련입니다. MATLAB을 사용하면 데이터를 전처리하고 차원을 축소하고 특징 엔지니어링을 수행할 수 있습니다.
- 다양한 속도로 샘플링된 데이터를 정렬하고 누락값이나 이상값을 보강할 수 있습니다.
- 고급 신호 처리 기법을 활용하여 잡음을 제거하고 데이터를 필터링하며, 과도 신호나 변하는 신호를 분석할 수 있습니다.
- 특징 추출 및 선택에 동적 통계 기법을 활용하여 데이터셋을 단순화하고 예측 모델의 과적합을 줄일 수 있습니다.
머신러닝을 이용한 결함 검출 및 예측
분류, 회귀 및 시계열 모델링 기법을 활용하여 고장의 근본 원인을 식별하고 고장 수명을 예측할 수 있습니다.
- RUL(잔여 수명) 추정 또는 고장 모드 분류에 가장 중요한 변수를 대화형 방식으로 살펴보고 선택할 수 있습니다.
- 내장 함수를 이용하여 여러 예측 모델을 훈련, 비교 및 검증할 수 있습니다.
- 신뢰구간을 계산하고 시각화하여 예측의 불확실성을 정량화할 수 있습니다.
