Predictive Maintenance Toolbox

Progettazione e test di algoritmi di manutenzione predittiva e monitoraggio delle condizioni

Predictive Maintenance Toolbox consente di gestire i dati dei sensori, progettare indicatori di condizione e stimare la vita utile residua (RUL) di una macchina.

Il toolbox fornisce una serie di funzioni e un’applicazione interattiva per esplorare, estrarre e classificare feature utilizzando tecniche basate sui dati e sui modelli, tra cui analisi statistiche, spettrali e di serie storiche. È possibile monitorare le condizioni di batterie, motori, riduttori e altre macchine tramite l’estrazione delle feature dai dati dei sensori. Per prevedere il guasto di una macchina e stimarne la vita utile residua, è possibile utilizzare modelli di sopravvivenza, similarità e basati su trend.

È possibile organizzare e analizzare i dati dei sensori importati da file salvati in locale o sul Cloud e da sistemi di file distribuiti. È possibile etichettare i dati di simulazione dei guasti generati da modelli Simulink . Il toolbox include esempi di riferimento per motori, riduttori, batterie, pompe, cuscinetti e altre macchine che possono essere riutilizzati per sviluppare algoritmi personalizzati di monitoraggio delle condizioni e manutenzione predittiva.

Per rendere operativi gli algoritmi, è possibile generare codice C/C++ per la distribuzione su edge oppure creare un’applicazione di produzione per la distribuzione sul Cloud.

Che cos'è Predictive Maintenance Toolbox?

L’app Diagnostic Feature Designer mostra i dati dei segnali in quattro riquadri: tracce di segnali, spettri di potenza, una tabella di feature classificate con ANOVA a una via e un grafico a barre che ordina le feature per importanza.

Progettazione delle feature

Usa l’app Diagnostic Feature Designer oppure estrai e classifica le feature in modo programmatico dai dati dei sensori adottando approcci basati su modelli e segnali per il rilevamento guasti e la previsione tramite IA.

Progettazione delle feature per la manutenzione predittiva (3:03)

Documentazione | Esempi

Rappresentazione grafica di due gruppi di spettri di potenza. Il gruppo nero è classificato come normale mentre quello rosso come guasto. Il gruppo rosso presenta picchi di grandezza maggiore in corrispondenza di alcune frequenze.

Rilevamento di guasti e anomalie

Utilizza l’IA e i metodi di modellazione dinamica e statistica per il monitoraggio delle condizioni. Tieni traccia delle modifiche che intervengono nel sistema, rileva le anomalie e identifica i guasti.

Documentazione | Esempi

Stima della RUL

Addestra modelli di stimatori di vita utile residua (RUL) in base a dati storici per prevedere i guasti e ottimizzare i programmi di manutenzione.

Tre modi per stimare la vita utile residua

Documentazione | Esempi

Grafico MATLAB di dati elettrici di un motore con bande colorate che mettono in evidenza le prime sei bande con distorsioni armoniche e bande laterali.

Algoritmi specifici per l’applicazione

Utilizza funzioni specifiche per i componenti per sviluppare algoritmi, per rilevare anomalie nelle batterie, classificare i guasti ai cuscinetti, rilevare perdite nelle pompe, tenere traccia delle variazioni a livello di prestazioni del motore e molto altro ancora. Inizia subito con una libreria di esempi di riferimento.

Documentazione | Esempi

Codice MATLAB che mostra come creare un fileEnsembleDatastore a partire da una serie di file di dati sulle vibrazioni salvati in locale. Il risultato mostra l’insieme rappresentato come una tall table.

Gestione e pre-elaborazione dei dati

Accedi ai dati dei sensori conservati in locale o in remoto. Prepara i dati per lo sviluppo di algoritmi tramite la rimozione degli outlier, l’uso di filtri e l’applicazione di diverse tecniche di pre-elaborazione basate su tempo, frequenza e tempo-frequenza.

Documentazione | Esempi

Modello Simscape che mostra l’alloggiamento di una pompa, tre pistoni e un albero a gomiti collegati tra loro.

Generazione di dati di guasto

Genera simulazioni di dati di guasto e degrado usando modelli Simulink e Simscape della tua macchina. Modifica i valori dei parametri, inserisci guasti e modifica le dinamiche del modello. Crea dei gemelli digitali per monitorare le prestazioni e prevedere il comportamento futuro.

Che cos’è un gemello digitale? (8:28)

Documentazione | Esempi

Report di MATLAB Coder che mostra il codice MATLAB per una funzione di previsione della vita utile residua sulla sinistra e il codice C++ corrispondente sulla destra. Un’area colorata mappa una sola riga di codice MATLAB su più righe di codice C++.

Generazione di codice

Usa MATLAB Coder per generare codice C/C++ direttamente dalle funzioni di calcolo delle feature, dagli algoritmi di monitoraggio delle condizioni e dagli algoritmi predittivi per l’edge processing in tempo reale.

Documentazione | Esempi

Distribuzione di algoritmi predittivi all’interno del proprio ecosistema aziendale con MATLAB Production Server

Distribuzione sul Cloud

Usa MATLAB Compiler e MATLAB Compiler SDK per scalare gli algoritmi sul Cloud sotto forma di librerie condivise, pacchetti, applicazioni web, contenitori Docker e molto altro ancora. Esegui la distribuzione su MATLAB Production Server su Microsoft^® Azure^® o AWS^® senza ricodifica.

Documentazione | Esempi