Predictive Maintenance Toolbox™ permite gestionar datos de sensores, diseñar indicadores de condición y estimar la vida útil restante (RUL) de una máquina.
Esta toolbox proporciona funciones y una app interactiva para explorar, extraer y clasificar características mediante técnicas basadas en datos y en modelos, incluidos análisis estadísticos, espectrales y de series temporales. Puede supervisar el estado de baterías, motores, cajas de cambios y otras máquinas extrayendo características de datos de sensores. Puede utilizar modelos de supervivencia, similitud y basados en tendencias para predecir la RUL y calcular el tiempo hasta el fallo de una máquina.
Puede organizar y analizar los datos de sensores importados desde archivos locales, almacenamiento en la nube y sistemas de archivos distribuidos. Puede etiquetar datos de fallos simulados generados a partir de modelos de Simulink®. Esta toolbox incluye ejemplos de referencia para motores, cajas de cambios, baterías, bombas, rodamientos y otras máquinas que se pueden reutilizar para desarrollar algoritmos de mantenimiento predictivo y supervisión de condiciones personalizados.
Para poner en práctica los algoritmos, puede generar código C/C++ y desplegarlo en un dispositivo edge o crear una aplicación de producción y desplegarla en la nube.
Ingeniería de características
Utilice la app Diagnostic Feature Designer o extraiga y clasifique características de datos de sensores de manera programática con enfoques basados en señales y en modelos para detectar y predecir fallos con IA.
Detección de fallos y anomalías
Utilice métodos de modelado con IA, dinámicos y estadísticos para supervisión de condiciones. Realice un seguimiento de los cambios en un sistema, detecte anomalías e identifique fallos.
Estimación de RUL
Entrene modelos de estimación de RUL con datos históricos para predecir el tiempo hasta el fallo y optimizar la planificación del mantenimiento.
Algoritmos específicos para una aplicación
Utilice funciones específicas de componentes a fin de desarrollar algoritmos para detectar anomalías en baterías, clasificar fallos de rodamientos, detectar fugas en bombas, monitorear cambios en el rendimiento de un motor, y mucho más. Utilice la librería de ejemplos de referencia para comenzar rápidamente.
Gestión y preprocesamiento de datos
Acceda a datos de sensores almacenados de manera local o remota. Prepare datos para desarrollar algoritmos eliminando valores atípicos, filtrando y aplicando diversas técnicas de preprocesamiento de tiempo, frecuencia y tiempo-frecuencia.
Generación de datos de fallos
Genere datos de degradación y fallos simulados con modelos de Simulink y Simscape™ de una máquina. Modifique los valores de los parámetros, inyecte fallos y cambie la dinámica del modelo. Cree gemelos digitales para supervisar el rendimiento y predecir el comportamiento futuro.
Generación de código
Utilice MATLAB Coder™ para generar código C/C++ directamente a partir de funciones de cálculo de características, algoritmos de supervisión de condiciones y algoritmos predictivos para procesamiento edge en tiempo real.
Despliegue en la nube
Utilice MATLAB Compiler™ y MATLAB Compiler SDK™ para escalar algoritmos a la nube como librerías compartidas, paquetes, apps web, contenedores Docker, y mucho más. Despliegue en MATLAB Production Server™ en Microsoft® Azure® o AWS® sin necesidad de recodificar.
Recursos del producto:
Serie de vídeos sobre mantenimiento predictivo
Aprenda mantenimiento predictivo con esta serie de vídeos.
Obtenga una versión de prueba gratuita
30 días de exploración a su alcance.
¿Listo para comprar?
Obtenga información sobre precios y explore productos relacionados.
¿Es estudiante?
Es posible que su centro educativo ya ofrezca acceso a MATLAB, Simulink y otros productos complementarios mediante una infraestructura Campus-Wide License.