MathWorks 今日宣布推出新的 MATLAB 產(chǎn)品 Predictive Maintenance Toolbox，幫助工程師設計并測試狀態(tài)監(jiān)測和預測性維護算法。Predictive Maintenance Toolbox 為算法工程師提供了一系列功能和參考范例，用來組織數(shù)據(jù)、設計狀態(tài)指標、監(jiān)測機器運行狀況和預估剩余使用壽命 (RUL)，從而避免設備故障。

       借助 Predictive Maintenance Toolbox，工程師能分析和標注從存儲于本地或云端的文件中導入的傳感器數(shù)據(jù)。他們還能標注從 Simulink 模型生成的仿真故障數(shù)據(jù)以表征設備故障。利用在頻譜分析和時序分析等技術(shù)所構(gòu)建的信號處理和動態(tài)建模方法，工程師能夠預處理數(shù)據(jù)并提取可用來監(jiān)測機器狀態(tài)的特征。使用生存分析、相似性分析和基于趨勢的模型來預測 RUL，可幫助工程師預估機器發(fā)生故障的時間。該工具箱包括發(fā)動機、變速箱、電池和其他機器的參考范例，可以復用以開發(fā)自定義的預測性維護和狀態(tài)監(jiān)測算法。

       現(xiàn)在，工程師開發(fā)和驗證必要的算法，通過監(jiān)測傳感器數(shù)據(jù)，以預測設備何時可能發(fā)生故障，或檢測任何潛在的異?，F(xiàn)象。這些算法可以通過訪問存儲在本地文件系統(tǒng)、云存儲系統(tǒng)（如 Amazon S3 和 Windows Azure Blob 存儲）或 Hadoop 分布式文件系統(tǒng)上的歷史數(shù)據(jù)，得以開發(fā)。另一個數(shù)據(jù)源是來自包含故障動態(tài)的設備物理模型的仿真數(shù)據(jù)。工程師可以從此數(shù)據(jù)中提取和選擇最合適的特征，然后借助交互式應用程序，用這些特征訓練機器學習模型，以預測或檢測設備故障。

      “預測性維護是工業(yè)物聯(lián)網(wǎng)的一個重要應用。它對于減少不必要的維護成本和消除計劃外停機十分關(guān)鍵。那些通常沒有機器學習或信號處理背景的工程師會發(fā)現(xiàn)，設計預測性維護的算法特別具有挑戰(zhàn)性?！?MathWorks 公司技術(shù)市場經(jīng)理 Paul Pilotte 說，“現(xiàn)在，通過使用 Predictive Maintenance Toolbox 學習如何設計和測試這些算法作為起點，這些團隊能夠快速上手并提高?！?/span>                                              

圖示：Predictive Maintenance Toolbox 能幫助訓練預測模型來預估剩余使用壽命 (RUL) 并提供與預測相關(guān)聯(lián)的置信區(qū)間。