Разработка алгоритмов Predictive Maintenance

На вебинаре мы рассмотрим разработку систем предсказательного обслуживания в MATLAB с использованием Predictive Maintenance Toolbox. Обсудим, какие для этого имеются алгоритмы, как применять модели Simulink для получения данных об отказах и с чего начать разработку собственной системы.

Вебинар посвящен разработке систем предсказательного обслуживания в MATLAB с использованием Predictive Maintenance Toolbox.

Предсказание отказов и остаточного срока полезного использования устройств строится на базе исторических данных и сигналов, снятых с оборудования. Мы посмотрим, как MATLAB позволяет считывать и обрабатывать данные, а также извлекать из них признаки отказов с помощью нового инструмента Diagnostic Feature Designer.

Предсказывать отказы по извлеченным признакам лучше всего позволяют модели машинного обучения, с которыми в MATLAB работать действительно легко. Посмотрим, как можно быстро подобрать и обучить лучшую модель.

Очень часто отказы предсказывать хочется, но исторических данных для этого недостаточно. Разберем, как можно использовать среду симуляции Simulink для создания точных моделей реальных устройств, предназначенных для генерации адекватных данных по отказам.

И наконец, когда алгоритм предсказания разработан, его нужно развернуть и запустить в производстве. Поговорим о генерации кода и создании независимых приложений из MATLAB.

Классификация отказов в приложении Classification Learner 

Оценка RUL для подшипника ветрогенератора