Predictive Maintenance Toolbox

 

Predictive Maintenance Toolbox

Progettare e testare algoritmi di manutenzione predittiva e monitoraggio delle condizioni

Con Predictive Maintenance Toolbox™ puoi etichettare dati, progettare indicatori di salute 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. Puoi monitorare le condizioni di macchinari rotanti come cuscinetti e riduttori estraendo le feature dai dati di vibrazione con metodi di analisi nel dominio del tempo e della frequenza. Per predire il guasto di una macchina e stimarne la vita utile residua (RUL), puoi utilizzare modelli di sopravvivenza, similarità e basati su trend.

Puoi analizzare ed etichettare i dati dei sensori importati da file salvati in locale o sul cloud e da sistemi di file distribuiti. Inoltre, puoi etichettare i dati di simulazione dei guasti generati da modelli Simulink®. Il toolbox include esempi di riferimento per motori, riduttori, batterie e altre macchine che possono essere riutilizzate per sviluppare algoritmi personalizzati di monitoraggio delle condizioni e manutenzione predittiva.

Rilevamento di guasti e stima della vita utile residua (RUL)

Rileva anomalie, diagnostica la causa principale dei guasti e stima la vita utile residua (RUL) utilizzando il machine learning e i modelli di serie storiche.

Modelli di stima della vita utile residua (RUL)

Stima la vita utile residua (RUL) di una macchina per predirne più facilmente i guasti e ottimizzare i relativi programmi di manutenzione. Il tipo di algoritmo di stima della vita utile residua utilizzato dipende dagli indicatori di condizione estratti dai dati, così come dalla quantità di dati disponibile.

Modelli della vita utile residua (RUL) di similarità, degradazione, e sopravvivenza.

Diagnosi dei guasti mediante modelli di classifcazione

Isola la causa principale di un guasto addestrando modelli di classificazione e clustering mediante support vector machine, clustering k-means e altre tecniche di machine learning.

Diagnosi dei guasti con l'app "Classification Learner".

Rilevamento di guasti e anomalie

Traccia le anomalie del tuo sistema per determinare la presenza di problemi e guasti utilizzando il rilevamento dei changepoint, filtri di Kalman e carte di controllo.

Rilevamento di guasti utilizzando modelli basati su dati.

Progettazione di un indicatore di salute

Estrai le feature dai dati dei sensori utilizzando approcci basati su modelli e segnali. Utilizza le feature estratte come input per gli algoritmi diagnostici e di machine learning.

Diagnostic Feature Designer App

Estrai, visualizza e classifica le feature per progettare indicatori di salute e monitorare le condizioni di una macchina.

Indicatori di salute basati su segnali

Estrai le feature dai dati di sensori grezzi o pre-elaborati utilizzando il conteggio rainflow, il rilevamento di picchi spettrali, la kurtosis spettrale e altre tecniche nei domini di tempo, frequenza e tempo-frequenza.

Indicatori di salute basati su tempo-frequenza.

Indicatori di salute basati su modelli

Esegui il fitting di modelli di serie storiche lineari e non lineari, modelli state-space e funzioni di trasferimento con i dati dei sensori. Utilizza le proprietà e le caratteristiche di questi modelli come indicatori di salute.

Indicatore di salute basato su modelli autoregressivi.

Esempi di riferimento per lo sviluppo di algoritmi

Sviluppa algoritmi di manutenzione predittiva e monitoraggio delle condizioni per batterie, riduttori, pompe e altre macchine.

Stima della vita utile residua di un cuscinetto di una turbina eolica.

Pompe, motori e batterie

Sviluppa algoritmi per rilevare perdite e intasamenti nelle pompe, tracciare eventuali anomalie nell' attrito di un motore e stimare l'invecchiamento di una batteria.

Classificazione dei guasti in una pompa a 3 pistoni.

Labeling e gestione dei dati

Accedi ai dati ovunque si trovino. Genera dati sintetici simulando modelli Simulink per rappresentare i guasti delle macchine in assenza di dati di sensori reali.

Organizzazione e labeling dei dati

Importa ed etichetta dati da file locali, Amazon S3™, archivio BLOB di Windows Azure© e Hadoop© Distributed File System.

Gestione di più file utilizzando un data ensemble.

Generazione di dati di guasto con Simulink e Simscape

Simula dati di guasto utilizzando i modelli Simulink e Simscape™ della tua macchina. Modifica i valori dei parametri, inserisci guasti e modifica le dinamiche del modello.

Gestione di dati utilizzando simulation data ensemble.

Latest Features

Diagnostic Feature Designer

Estrarre, visualizzare e classificare in modo interattivo le feature dei dati misurati o simulati per la diagnostica e la prognostica delle macchine

Indicatori di salute per riduttori

Estrarre indicatori di salute da segnali di time-synchronous averaging

Vedi le note di rilascio per ulteriori informazioni su queste caratteristiche e sulle funzioni corrispondenti.

Sviluppa e distribuisci software di manutenzione predittiva per sistemi IT/OT aziendali e dispositivi embedded.
Scopri come i modelli di sopravvivenza, degradazione e similarità vengono utilizzati per stimare la vita utile residua.
Scopri di più sui concetti e i flussi di lavoro della manutenzione predittiva.

Prova gratuita

30 giorni di esplorazione a tua disposizione.

Scarica ora

Pronto per acquistare?

Richiedi una quotazione ed esplora i prodotti correlati.

Sei uno Studente?

Acquista MATLAB e Simulink per studenti.

Scopri di più