Mantenimiento predictivo
El mantenimiento predictivo utiliza datos para supervisar de manera inteligente el comportamiento de una maquina a fin de evitar fallos catastróficos y reducir los costes asociados con reparaciones antes de que sea realmente necesario. Los intervalos de servicio se pueden optimizar infiriendo información sobre el estado de los equipos a partir de datos de sensores. El resultado: operaciones más inteligentes, mayor tiempo de actividad y menores costes generales. MATLAB es la herramienta ideal para implementar el flujo de trabajo de mantenimiento predictivo.
Preprocesamiento de datos
El personal de consultoría de MathWorks proporciona asistencia para aplicar técnicas de consolidación y limpieza de datos, y procesamiento de señales, para gestionar datos distribuidos, incompletos y no válidos, además de valores atípicos y ruido. El resultado: un conjunto de datos estructurado ideal para análisis y desarrollo de modelos.
Análisis exploratorio
De manera eficiente y sistemática, ayudamos a investigar datos y explicamos la relación entre mediciones de sensores y resultados, como el tiempo hasta el fallo. Se pueden emplear herramientas de visualización y análisis de datos, tales como ajuste de curvas, identificación de sistemas y apps de análisis de señales, para probar hipótesis y obtener información rápidamente. También se pueden aplicar métodos de reducción de dimensionalidad, clasificación de características y selección como preparación para el desarrollo de modelos.
Modelado predictivo
Si los puntos de datos no están etiquetados, ayudamos a aplicar enfoques de Machine Learning no supervisado para detectar patrones y anomalías en las mediciones. Explicamos cómo visualizar y analizar cambios en mediciones debidos a desgaste, es decir, inferir trayectorias de degradación de equipos en el espacio de características. También asistimos en la identificación y visualización de clusters en datos, y consecuente categorización con etiquetas.
Si los puntos de datos están etiquetados, facilitamos la creación y comparación de grandes cantidades de modelos de clasificación o regresión para identificar la causa raíz de los fallos y estimar la vida útil restante, respectivamente. Prestamos ayuda para validar y perfeccionar el modelo con mayor rendimiento, e investigar transformaciones de características para aumentar la precisión. Las características seleccionadas permiten decidir qué sensores proporcionan la información más relevante.
Despliegue operativo
Una vez que se ha desarrollado un modelo predictivo, asistimos con la puesta en producción. Para finalizar los procedimientos de control, se seleccionan umbrales y métricas de rendimiento. Luego, trabajamos a su lado para desplegar el código C/C++ o HDL generado automáticamente a partir de algoritmos, en dispositivos 'inteligentes', microcontroladores o teléfonos. También asistimos con análisis de IoT, localmente o en la nube.
El equipo de consultoría de MathWorks contribuye a:
- Determinar las técnicas adecuadas de preprocesamiento de datos, selección de características y modelado predictivo, y cómo aplicarlas a los datos
- Transferir conocimientos y prácticas recomendadas a fin de desarrollar competencias internamente a través de sesiones de capacitación basadas en proyectos
- Poner en producción los procedimientos revisados para reducir los costes de operación y mantenimiento
“El soporte de MathWorks Consulting es uno de los mejores que he visto; su excepcional equipo de profesionales es eficaz y sumamente capacitado. Ya hemos obtenido una rentabilidad positiva sobre la inversión en ahorros de costes, y ahora disponemos de más presupuesto y tiempo para completar más proyectos de Machine Learning que nos proporcionarán beneficios similares”.
— Dr. Michael Kohlert, Mondi Gronau GmbH
