Mantenimiento predictivo con MATLAB
Detalles del curso
Este curso de dos días se centra en el análisis de datos, el procesamiento de señales y las técnicas de machine learning necesarias para los flujos de trabajo de mantenimiento predictivo y supervisión de condiciones. Los asistentes aprenderán a utilizar MATLAB para importar datos, extraer características y estimar la condición y la vida útil restante del equipo.
Temas incluidos:
- Importar y organizar datos
- Detección no supervisada de anomalías
- Creación de modelos supervisados de clasificación de fallos
- Preprocesado para mejorar la calidad de los datos
- Extracción de las características de los dominios de tiempo y frecuencia
- Estimar la vida útil restante (RUL)
- Flujos de trabajo interactivos con aplicaciones
Día 1 de 2
Importar y procesar datos
Objetivo: Importe datos en MATLAB y organícelos para su análisis, incluido el manejo de valores ausentes. Procese los datos importados en bruto extrayendo y manipulando porciones de datos.
- Almacenar datos usando tipos de datos de MATLAB
- Importar mediante almacenes de datos
- Procesar datos con elementos ausentes
- Procesar grandes cantidades de datos con arreglos altos
Encontrar patrones naturales en los datos
Objetivo: Utilice técnicas de aprendizaje no supervisado para agrupar observaciones basadas en un conjunto de indicadores de condición y descubrir patrones naturales en un conjunto de datos.
- Buscar clusters naturales dentro de los datos
- Realizar reducción de dimensionalidad
- Evaluar e interpretar clusters dentro de los datos
Crear modelos de clasificación
Objetivo: Utilice técnicas de aprendizaje supervisado para crear modelos predictivos de problemas de clasificación. Evalúe la precisión de un modelo predictivo.
- Clasificar con la app Classification Learner
- Entrenar modelos de clasificación a partir de datos etiquetados
- Validar modelos de clasificación entrenados
- Mejorar el rendimiento con la optimización de hiperparámetros
Día 2 de 2
Explorar y analizar señales
Objetivo: Explore y visualice las funcionalidades de procesamiento de señales en los datos de manera interactiva.
- Importar, visualizar y explorar señales para obtener información
- Realizar mediciones en señales
- Comparar varias señales en los dominios de tiempo y frecuencia
- Realizar análisis del espectro interactivo
- Extraer regiones de interés
- Generar scripts de MATLAB para la automatización
Preprocesar señales para mejorar la calidad del conjunto de datos y generar características
Objetivo: Aprenda técnicas para limpiar conjuntos de señales con operaciones como volver a muestrear, eliminar valores atípicos y llenar los vacíos. Genere y clasifique características de manera interactiva.
- Utilizar un nuevo muestreo para manipular señales obtenidas con muestreo no uniforme
- Llenar los vacíos de señales obtenidas con muestreo uniforme
- Realizar un nuevo muestreo para garantizar una base temporal común entre las señales
- Utilizar la app Signal Analyzer para diseñar y aplicar filtros
- Utilizar almacén de datos conjunto de archivos para importar datos
- Utilizar la app Diagnostic Feature Designer para generar y clasificar características automáticamente
- Realizar un diagnóstico de maquinaria mediante el espectro envolvente
- Localizar valores atípicos y reemplazarlos con muestras correctas
- Detectar puntos de cambio y realizar la segmentación automática de señales
Estimar el tiempo hasta el fallo
Objetivo: Explore los datos para identificar características y entrene modelos de decisión para predecir la vida útil restante.
- Seleccionar indicadores de condición
- Utilizar datos de vida útil para estimar la vida útil restante mediante modelos de supervivencia
- Utilizar datos de umbral para estimar la vida útil restante mediante modelos de degradación
- Utilizar datos de fallo para estimar la vida útil restante mediante modelos de similitud
Nivel: Intermedio
Prerrequisitos:
Duración: 2 días
Idiomas: Deutsch, English, 日本語, 한국어, 中文