Predictive Maintenance Toolbox
Diseñe y pruebe algoritmos de supervisión de condiciones y mantenimiento predictivo
¿Tiene preguntas? Comuníquese con ventas.
Predictive Maintenance Toolbox ofrece funciones y apps para diseñar algoritmos de supervisión de condiciones y mantenimiento predictivo para motores, cajas de cambios, rodamientos, baterías y otras aplicaciones. Esta toolbox permite diseñar indicadores de condición, detectar fallos y anomalías, y estimar la vida útil restante (RUL).
Con la app Diagnostic Feature Designer, puede extraer de manera interactiva características basadas en tiempo, frecuencia, tiempo-frecuencia y física. Puede clasificar y exportar las características a fin de desarrollar algoritmos específicos de la aplicación para detectar fallos y anomalías. Para estimar la RUL, puede utilizar modelos de supervivencia, similitud y basados en tendencias.
La toolbox ayuda a organizar y analizar datos de sensores importados desde archivos locales, almacenamiento en la nube y sistemas de archivos distribuidos. Puede generar datos de fallos simulados a partir de modelos de Simulink y Simscape.
Para poner en funcionamiento los algoritmos, puede generar código C/C++ para despliegue en dispositivos edge, o crear aplicaciones de producción para despliegue en la nube. La toolbox incluye ejemplos de referencia específicos de la aplicación que puede reutilizar para desarrollar y desplegar algoritmos de mantenimiento predictivo personalizados.
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.
Maquinaria rotativa
Extraiga características basadas en la física específicas de maquinaria rotativa. Clasifique fallos de rodamientos, detecte fugas en bombas, realice un seguimiento de cambios de rendimiento de motores, identifique fallos en cajas de cambios, 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
Simule degradaciones y fallos infrecuentes con modelos basados en la física creados en Simulink y Simscape. 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.
Despliegue en un dispositivo edge
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 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.
¿Tiene interés en 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.
