MATLAB e Simulink per la manutenzione predittiva

Gli ingegneri utilizzano MATLAB®, Simulink® e Predictive Maintenance Toolbox per sviluppare e implementare software di monitoraggio delle condizioni e manutenzione predittiva per sistemi IT e OT aziendali.

  • Accedi ai dati in streaming e archiviati utilizzando interfacce integrate per l’archiviazione su cloud, database relazionali e non relazionali e protocolli come REST, MQTT e OPC UA.
  • Pre-elabora i dati ed estrai le feature per monitorare le condizioni delle apparecchiature utilizzando app per l'elaborazione dei segnali e tecniche statistiche.
  • Sviluppa modelli di machine learning per isolare la causa principale dei guasti e prevedere i guasti e la vita utile residua (RUL).
  • Distribuisci algoritmi e modelli prescelti di sistemi operativi come sistemi embedded, dispositivi edge e il cloud generando automaticamente componenti software basate su C/C ++, Python, HDL, PLC, GPU, .NET o Java®.
Progettare e testare algoritmi di manutenzione predittiva e monitoraggio delle condizioni
Scopri come reperire una quantità sufficiente di dati di guasto e come iniziare a familiarizzare con il flusso di lavoro della manutenzione predittiva.
Scopri di più sui concetti e i flussi di lavoro della manutenzione predittiva.

Accesso ai propri dati ovunque si trovino

I dati delle apparecchiature possono essere strutturati o non strutturati e risiedere in più fonti, ad esempio in file locali, sul cloud (ad es. AWS® S3, Azure® Blob), in database e storici dei dati di sistema. Ovunque siano i tuoi dati, è possibile consultarli con MATLAB. Quando non si dispone di dati sufficienti sui guasti, è possibile generarli da un modello Simulink della propria macchina inserendo errori di segnalazione e modellando dinamiche di guasti del sistema.


Semplificazione dei dati con operazioni di analisi e pulizia

I dati sono disordinati. Con MATLAB, puoi pre-elaborarli, ridurne la dimensionalità e studiarne le feature.

  • Allinea i dati campionati a velocità diverse e tieni conto dei valori mancanti e degli outlier.
  • Rimuovi il rumore, filtra i dati e analizza i segnali transitori o mutevoli mediante tecniche avanzate di elaborazione di segnali.
  • Semplifica i set di dati e riduci l’overfitting dei modelli predittivi utilizzando metodi statistici e dinamici per l'estrazione e la selezione delle feature.

Rilevamento e previsione dei guasti con il machine learning

Prevedi i guasti identificandone la causa principale mediante tecniche di classificazione, regressione e modellazione di serie storiche.

  • Esplora e seleziona in modo interattivo le variabili più importanti per stimare la RUL o classificare le modalità di guasto.
  • Addestra, confronta e convalida più modelli predittivi con le funzioni integrate.
  • Calcola e visualizza gli intervalli di confidenza per quantificare l'incertezza nelle previsioni.

Distribuzione di algoritmi nei sistemi di produzione

Riduci i tempi di risposta, trasmetti meno dati e rendi i risultati immediatamente disponibili agli operatori della linea di produzione implementando i tuoi algoritmi MATLAB su dispositivi embedded e sistemi IT/OT aziendali.

  • Elimina la codifica manuale generando automaticamente codice C/C ++ da MATLAB e Simulink per le risorse-target e i dispositivi edge.
  • Scala le tue analisi MATLAB sul cloud con i server di produzione ed effettua l'integrazione con Spotfire, PI Server e altre piattaforme.