Software de Manutenção Preditiva

Monitoramento das condições de equipamentos através de dados



MATLAB e Simulink para manutenção preditiva

Utilize o MATLAB® e o Simulink® juntamente com a Predictive Maintenance Toolbox™ para desenvolver e implementar software para monitoramento e manutenção preditiva em seu sistema de produção.

  • Acesse dados por streaming ou arquivados utilizando interfaces pré-construídas para armazenamento em nuvem, bancos de dados relacionais e não-relacionais e protocolos como REST, MQTT e OPC UA.
  • Pré-processe dados e extraia características para monitoramento da saúde dos equipamentos através de apps para processamento de sinais e técnicas estatísticas
  • Desenvolva modelos de machine learning para isolar as causas de defeitos, prever o tempo de falha e o tempo de vida útil dos equipamentos
  • Implemente algoritmos e modelos em seu sistema de operações como por exemplo sistemas embarcados, dispositivos e nuvem, gerando automaticamente códigos C/C++ ou compilando bibliotecas Python, HDL, PLC, GPU, .NET ou Java®.

SOFTWARE DE MANUTENÇÃO PREDITIVA COM MATLAB

3 e-books gratuitos: “Introdução à Manutenção Preditiva”, “Extração de indicadores de condições” e “Estimativa de Vida Útil”

Software de Manutenção Preditiva

Acesse os dados onde quer que estejam

 

Dados de equipamentos, sejam eles estruturados ou não estruturados, podem vir de diversas fontes como arquivos locais, nuvem (AWS® S3, Azure® Blob), bancos de dados e dados históricos. Onde quer que seus dados estejam, você pode acessá-los com MATLAB. Caso você não tenha dados de falha suficientes, você poderá gerá-los a partir de um modelo Simulink utilizando sinais de falhas, e modelando dinâmicas de sistemas de falhas.

Limpe e explore seus dados 

 

Dados podem ser confusos! Com MATLAB, você poderá pré-processar seus dados, reduzir sua dimensionalidade e características de engenharia.

  • Alinhe os dados, considere valores ausentes e outliers
  • Remova ruídos, filtre dados e analise sinais transitórios ou variáveis usando técnicas avançadas de processamento de sinais
  • Simplifique os conjuntos de dados e reduza o sobreajuste de modelos preditivos utilizando métodos dinâmicos e estatísticos para extração e seleção de características.
Limpe e explore seus dados 

E-BOOK | SMART INDUSTRY

  1. Como usar Machine Learning para melhorar a performance da produção e prever falhas?
  2. Como desenvolver controladores para sistemas cada vez mais complexos?
  3. Como implementar algoritmos em PLCs e PCs industriais?
Detecção e predição de falhas com Machine Learning

Detecção e predição de falhas com Machine Learning

 

Identifique causas de falhas para prever o tempo de falha através de técnicas de classificação, regressão e séries temporais.

  • Explore de forma interativa e selecione as variáveis mais importantes para estimativa de vida útil ou classificação dos tipos de falhas
  • Treine, compare e valide diversos modelos preditivos com funções pré-construídas
  • Calcule e visualize intervalos de confiança para quantificar as incertezas nas predições

Implemente os algoritmos nos sistemas de produção

 

Reduza o tempo de resposta, transmita menos dados e disponibilize rapidamente os resultados para o chão de fábrica, implementando os algoritmos do MATLAB em dispositivos embarcados e nos sistemas das empresas.

  • Elimine a codificação manual com a geração automática de códigos C/C++ a partir do MATLAB e Simulink
  • Disponibilize suas análises MATLAB em nuvem com servidores de produção e integre com Spotfire, PI Server e outras plataformas
Implemente os algoritmos nos sistemas de produção

Relacionados

Translate »