MATLAB y Simulink para mantenimiento predictivo

Los ingenieros emplean MATLAB®, Simulink® y Predictive Maintenance Toolbox™ para desarrollar y desplegar software de supervisión de condiciones y mantenimiento predictivo para sistemas empresariales de TI y TO.

  • Acceda a datos archivados y de streaming 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 para 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 edge y la nube, mediante la generación automática de componentes de software basados en C/C++, Python, HDL, PLC, GPU, .NET o Java®.

Uso de MATLAB y Simulink para mantenimiento predictivo

Diseñe y pruebe algoritmos de supervisión de condiciones y mantenimiento predictivo.
Aprenda a obtener suficientes datos y datos de fallos, así como los fundamentos del flujo de trabajo del mantenimiento predictivo.
Obtenga más información sobre los conceptos y los flujos de trabajo relacionados con el mantenimiento predictivo.

Acceda a datos dondequiera que estén

Los datos procedentes de equipos pueden estar estructurados o no, y pueden encontrarse en diversas fuentes, tales como archivos locales, la nube (por ejemplo, AWS® S3 o Azure® Blob), bases de datos e historiadores de datos. Dondequiera que 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 su maquinaria mediante la inyección de fallos de señal y la modelización de la dinámica de fallo del sistema.


Depure y explore datos para simplificarlos

Sus datos pueden estar desorganizados. Con MATLAB, puede preprocesarlos, reducir su dimensionalidad y manipular sus características.

  • Realice alineación de datos muestreados a diferentes velocidades y tenga 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 con métodos estadísticos y dinámicos para la extracción y la selección de características.

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 modelización 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 algoritmos en sistemas de producción

Reduzca los tiempos de respuesta, transmita menos datos y ponga los resultados a disposición de los operadores en el área de producción de forma inmediata implementando 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++ con MATLAB y Simulink en activos de destino y dispositivos edge.
  • Escale la analítica de MATLAB a la nube con servidores de producción e intégrelos con Spotfire, PI Server y otras plataformas.