Manutenzione predittiva

 

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®.
Panel Navigation

Utilizzo di MATLAB e Simulink per la manutenzione predittiva

Progettazione e test di algoritmi di manutenzione predittiva e monitoraggio delle condizioni
Scopri come reperire una quantità sufficiente di dati e dati di guasto, prevedere i guasti e costruire un algoritmo di manutenzione predittiva.
La manutenzione predittiva consente di stimare il momento ottimale per effettuare la manutenzione prevedendo il guasto di una macchina. In questa serie scoprirai un workflow da seguire per sviluppare un algoritmo di manutenzione predittiva. I video utilizzano esempi di pompe a tre pistoni e motori di aerei per spiegare le fasi del workflow come l’estrazione delle feature e la stima della vita utile residua.

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, server OPC UA, sul Cloud (ad es. AWS® S3, Azure® Blob), in database e storici dei dati di sistema come OSIsoft® PI System™. Ovunque siano i propri 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.

Accesso ai dati

Titolo

Semplificazione dei dati con operazioni di analisi e pulizia

I dati sono disordinati. Con MATLAB, puoi pre-elaborarli, ridurne la dimensionalità e studiare 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.
Rilevamento e previsione dei guasti con il Machine Learning

Distribuzione di algoritmi nei sistemi di produzione

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.