Predictive Maintenance Toolbox
Entwickeln und Testen von Algorithmen zur Zustandsüberwachung und vorausschauenden Instandhaltung
Haben Sie Fragen? Vertrieb kontaktieren.
Haben Sie Fragen? Vertrieb kontaktieren.
Mit der Predictive Maintenance Toolbox können Sie Sensordaten verwalten, Zustandsindikatoren entwerfen und die Restnutzungsdauer (Remaining Useful Life – RUL) einer Maschine abschätzen.
Die Toolbox bietet Funktionen und eine interaktive App, um Merkmale mithilfe daten- und modellbasierter Techniken wie statistischer, spektraler und zeitreihenbasierter Analysen zu erkunden, zu extrahieren und einzuordnen. Anhand von Sensordaten lassen sich Merkmale zur Zustandsüberwachung von Akkus, Motoren, Getrieben und anderen Maschinen extrahieren. Um die Zeit bis zum Ausfall einer Machine abzuschätzen, können Sie die Restnutzungsdauer mit Überlebenszeit-, Ähnlichkeits- und trendbasierten Modelle vorhersagen.
Aus lokalen Dateien, Cloud-Speichern und verteilten Dateisystemen importierte Sensordaten lassen sich organisieren und analysieren. Mit Simulink-Modellen können Ausfalldaten generiert und gekennzeichnet werden. Die Toolbox umfasst Referenzbeispiele für Motoren, Getriebe, Akkus, Pumpen, Lager und andere Maschinen, die zur Entwicklung kundenspezifischer Algorithmen zur vorausschauenden Instandhaltung und Zustandsüberwachung wieder verwendet werden können.
Zur Operationalisierung Ihrer Algorithmen generieren Sie C/C++ Code bzw. erstellen Sie eine Produktionsanwendung, um sie am Edge bzw. in der Cloud bereitzustellen.
Verwenden Sie die Diagnostic Feature Designer-App oder extrahieren und bewerten Sie programmgesteuert bestimmte Merkmale aus Sensordaten mit signal- und modellbasierten Ansätzen zur Fehlerdetektion und -vorhersage mit KI.
Verwenden Sie KI sowie statistische und dynamische Modellierungsmethoden zum Condition Monitoring. Verfolgen Sie Änderungen in Ihrem System, erkennen Sie Anomalien und identifizieren Sie Fehler.
Trainieren Sie RUL-Schätzmodelle anhand historischer Daten, um die Zeit bis zum Ausfall vorherzusagen und Instandhaltungspläne zu optimieren.
Nutzen Sie komponentenspezifische Funktionen, um Algorithmen zur Erkennung von Akku-Anomalien, zur Klassifizierung von Lagerfehlern, zur Erkennung von Pumpenlecks, zur Verfolgung von Änderungen der Motorleistung und vieles mehr zu entwickeln. Mit einer Bibliothek von Referenzbeispielen können Sie direkt loslegen.
Zugriff auf Sensordaten, die lokal oder per Fernzugriff gespeichert wurden. Bereiten Sie die Daten für die Entwicklung von Algorithmen vor, indem Sie auffällige Abweichungen entfernen, filtern und verschiedene Zeit-, Frequenz- und Zeit-Frequenz-Vorverarbeitungsmethoden anwenden.
Generieren Sie simulierte Daten über Ausfall und Zustandsverschlechterung mithilfe von Simulink- und Simscape-Modellen Ihrer Maschine. Ändern Sie Parameterwerte, fügen Sie Fehler hinzu und verändern Sie die Modelldynamik. Erstellen Sie digitale Zwillinge, um die Leistung zu überwachen und künftiges Verhalten vorherzusagen.
Verwenden Sie den MATLAB Coder, um C/C++ Code direkt aus den Funktionen zur Merkmalsberechnung, den Algorithmen für das Condition Monitoring und den prädiktiven Algorithmen zur Verarbeitung am Edge in Echtzeit zu generieren.
Verwenden Sie den MATLAB Compiler und MATLAB Compiler SDK zur Skalierung von Algorithmen in der Cloud als gemeinsam genutzte Bibliotheken, Pakete, Web-Apps, Docker-Container und mehr. Die Bereitstellung erfolgt auf dem MATLAB Production Server auf Microsoft® Azure® oder AWS® ohne Umkodierung.
Sehen Sie sich die Videos in dieser Reihe an, um mehr über die vorausschauende Instandhaltung zu erfahren.
30 Tage kostenlos ausprobieren.
Angebot anfordern und Erweiterungsprodukte entdecken.
Ihre Hochschule bietet möglicherweise bereits Zugang zu MATLAB, Simulink und Add-on-Produkten über eine Campus-Wide License.