MATLAB y Simulink para mantenimiento predictivo
Los ingenieros emplean MATLAB® y Simulink® a fin de desarrollar e implementar software de supervisión de condiciones y mantenimiento predictivo para sistemas empresariales de IT y OT.
- Acceda a streaming de datos y datos archivados mediante las interfaces integradas para almacenamiento en la nube, bases de datos relacionales y no relacionales y protocolos tales como REST, MQTT y OPC UA.
- Preprocese los datos y extraiga sus características con el fin de supervisar el estado de los equipos mediante apps de procesamiento de señales y técnicas estadísticas.
- Desarrolle modelos de machine learning para aislar la causa raíz de los fallos y predecir el tiempo hasta el fallo y la vida útil restante (RUL).
- Despliegue algoritmos y modelos en los sistemas en funcionamiento de su elección, tales como sistemas embebidos, dispositivos periféricos y la nube, mediante la generación automática de componentes de software basados en C/C++, Python, HDL, PLC, GPU , .NET o Java®.
“MATLAB nos dio la capacidad de convertir datos que anteriormente eran ilegibles en datos con un formato utilizable y automatizar los pasos de filtrado, análisis espectral y transformada para varios camiones y regiones y, por último, de aplicar técnicas de machine learning en tiempo real para predecir el momento ideal en que realizar el mantenimiento.”
Andrew Harper, Celestion
Acceso a datos dondequiera que estén
Los datos procedentes de los equipos pueden estar estructurados o no, y pueden encontrarse en diversos orígenes, tales como archivos locales, la nube (p. ej. AWS® S3 o Azure® Blob), bases de datos y archivos de datos históricos. Estén donde estén sus datos, podrá acceder a ellos con MATLAB. Si no dispone de suficientes datos de fallos, podrá generarlos a partir de un modelo de Simulink de sus equipos de maquinaria mediante la inyección de fallos de señal y el modelado de la dinámica de fallo del sistema.
Limpieza y exploración de datos para simplificarlos
Los datos están desorganizados. Con MATLAB, puede preprocesarlos, reducir su dimensionalidad y manipular sus características.
- Podrá alinear datos muestreados a distintas velocidades y tener en cuenta los valores ausentes y atípicos.
- Elimine el ruido, filtre los datos y analice las señales transitorias o variables mediante técnicas avanzadas de procesamiento de señales.
- Simplifique los conjuntos de datos y reduzca el sobreajuste de los modelos predictivos gracias a métodos estadísticos y dinámicos para la extracción y la selección de características.
Aprenda más
Detección y predicción de fallos con machine learning
Identifique la causa raíz de los fallos y realice una predicción del tiempo hasta el fallo mediante técnicas de clasificación, regresión y modelado de series temporales.
- Explore y seleccione de forma interactiva las variables más importantes para calcular la vida útil restante o clasificar los modos de fallo.
- Entrene, compare y valide diversos modelos predictivos con funciones integradas.
- Calcule y visualice los intervalos de confianza para cuantificar la incertidumbre en las predicciones.
Despliegue de algoritmos en sistemas de producción
Reduzca los tiempos de respuesta, transmita menos datos y ponga de inmediato los resultados a disposición de los operadores en el área de producción gracias a la implementación de sus algoritmos de MATLAB en dispositivos embebidos y en sistemas empresariales de IT/OT.
- Elimine la creación de código manual mediante la generación automática de código C/C++ mediante MATLAB y Simulink en los activos de destino y los dispositivos periféricos.
- Escale la analítica de MATLAB en la nube con servidores de producción y lleve a cabo la integración con Spotfire, PI Server y otras plataformas.
Obtener una versión de prueba gratuita
Treinta días de exploración a su alcance.