MANUTENÇÃO PREDITIVA

Monitoramento das condições de equipamentos através de dados


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®.

MANUTENÇÃO PREDITIVA COM MATLAB

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

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.

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

 

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

Relacionados

Translate »