Predictive Maintenance Toolbox

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

Hai domande? Contatta l'ufficio commerciale.

Predictive Maintenance Toolbox fornisce funzioni e applicazioni per la progettazione di algoritmi di monitoraggio delle condizioni e di manutenzione predittiva per motori, riduttori, cuscinetti, batterie e altre applicazioni. Il toolbox consente di progettare indicatori di condizione, rilevare guasti e anomalie e stimare la vita utile residua (RUL).

L'applicazione Diagnostic Feature Designer consente di estrarre in modo interattivo le feature di tempo, frequenza, tempo-frequenza e fisica. È possibile classificare ed esportare le feature per sviluppare algoritmi specifici per l'applicazione per il rilevamento di guasti e anomalie. Per stimare la RUL, si possono utilizzare modelli di sopravvivenza, similitudine e basati sulla tendenza.

Il toolbox consente di organizzare e analizzare i dati dei sensori importati da file, archiviazione sul Cloud e da sistemi di file distribuiti. È possibile generare dati di guasto simulati da modelli Simulink e Simscape.

Per rendere operativi i tuoi algoritmi, puoi generare codice C/C++ per la distribuzione edge o creare applicazioni di produzione per la distribuzione sul Cloud. Il toolbox comprende esempi di riferimento specifici per le applicazioni che possono essere riutilizzati per sviluppare e distribuire algoritmi di manutenzione predittiva personalizzati.

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.

Macchine rotanti

Estrai feature basate sulla fisica, specifiche per le macchine rotanti. Classifica i guasti dei cuscinetti, rileva le perdite nelle pompe, monitora le variazioni delle prestazioni dei motori, identifica i guasti nei riduttori e 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

Simula guasti e degradazioni rari utilizzando modelli basati sulla fisica costruiti in Simulink e Simscape. 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++.

Distribuzione su edge

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

Distribuisci algoritmi predittivi all’interno del tuo 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