Arbeiten Sie mit Betriebsausrüstung, die Sensordaten erfasst? In diesem Seminar lernen Sie, wie Sie diese Daten für prädiktive Instandhaltung nutzen können, das intelligente Gesundheitsmonitoring von Systemen, um zukünftige Ausfälle der Ausrüstung zu vermeiden. Anstatt einem traditionellen Wartungszeitplan zu folgen, werden die Zeitpläne für die prädiktive Instandhaltung durch analytische Algorithmen und Daten von Sensoren bestimmt. Mit prädiktiver Instandhaltung können Organisationen Probleme identifizieren, bevor die Ausrüstung ausfällt, die Ursache des Ausfalls ermitteln und die Wartung sofort planen, wenn sie benötigt wird.
Highlights:
- Zugriff auf und Vorverarbeitung von Daten aus verschiedenen Quellen
- Einsatz von maschinellem Lernen zur Entwicklung prädiktiver Modelle
- Erstellung von Dashboards zur Visualisierung und Interaktion mit den Modellergebnissen
- Bereitstellung prädiktiver Algorithmen in Produktionssystemen und eingebetteten Geräten
- Nutzung von Simulationen zur Generierung von Daten für teure oder schwer reproduzierbare Ausfälle
Über den Referenten:
Russell Graves ist Anwendungsingenieur bei MathWorks mit Schwerpunkt auf maschinellem Lernen und Systemtechnik. Vor seinem Eintritt bei MathWorks arbeitete Russell mit der University of Tennessee und dem Oak Ridge National Laboratory in der Forschung zu intelligenten Transportsystemen mit Fokus auf Multi-Agenten-Maschinenlernen und komplexe Systemsteuerungen. Russell hat einen B.Sc. und M.Sc. in Maschinenbau von der University of Tennessee und ist Doktorand im fortgeschrittenen Stadium im Maschinenbau.
Kapitel:
00:00 Einführung
00:47 Warum prädiktive Instandhaltung?
05:07 Konzepte der prädiktiven Instandhaltung
08:51 Zustandsüberwachung in MATLAB
10:08 Merkmale mit dem Diagnostic Feature Designer extrahieren
17:11 Training von Modellen des maschinellen Lernens mit dem Classification Learner
22:25 Vorhersage der verbleibenden Nutzungsdauer
24:39 Training eines exponentiellen Degradationsmodells
28:13 Systemmodellierung für prädiktive Instandhaltung in Simulink
31:40 Bereitstellung prädiktiver Instandhaltungsalgorithmen
34:00 Zusammenfassung
#predictivemaintenance
--------------------------------------------------------------------------------------------------------
© 2023 The MathWorks, Inc. MATLAB und Simulink sind eingetragene Marken von The MathWorks, Inc.
Siehe www.mathworks.com/trademarks für eine Liste weiterer Marken. Andere Produkt- oder Markennamen können Marken oder eingetragene Marken ihrer jeweiligen Inhaber sein.