Travaillez-vous avec des équipements opérationnels qui collectent des données de capteurs ? Dans ce séminaire, vous apprendrez comment vous pouvez utiliser ces données pour la Maintenance Prédictive, la surveillance intelligente de la santé des systèmes pour éviter les pannes futures des équipements. Plutôt que de suivre un calendrier de maintenance traditionnel, les plannings de maintenance prédictive sont déterminés par des algorithmes analytiques et des données provenant des capteurs. Grâce à la maintenance prédictive, les organisations peuvent identifier les problèmes avant que l'équipement ne tombe en panne, déterminer la cause profonde de la défaillance et planifier la maintenance dès qu'elle est nécessaire.
Points forts :
- Accéder et prétraiter des données provenant de diverses sources
- Utiliser l'apprentissage automatique pour développer des modèles prédictifs
- Créer des tableaux de bord pour visualiser et interagir avec les résultats des modèles
- Déployer des algorithmes prédictifs dans des systèmes de production et des dispositifs embarqués
- Utiliser la simulation pour générer des données pour des pannes coûteuses ou difficiles à reproduire
À propos du présentateur :
Russell Graves est ingénieur d'application chez MathWorks, spécialisé dans l'apprentissage automatique et l'ingénierie des systèmes. Avant de rejoindre MathWorks, Russell a travaillé avec l'Université du Tennessee et le Laboratoire national d'Oak Ridge dans la recherche sur les systèmes de transport intelligents, avec un accent sur l'apprentissage automatique multi-agents et le contrôle de systèmes complexes. Russell détient un B.S. et un M.S. en ingénierie mécanique de l'Université du Tennessee et est candidat au doctorat en ingénierie mécanique en fin de parcours.
Chapitres :
00:00 Introduction
00:47 Pourquoi faire de la Maintenance Prédictive ?
05:07 Concepts de Maintenance Prédictive
08:51 Surveillance de l'État dans MATLAB
10:08 Extraction de Caractéristiques avec le Diagnostic Feature Designer
17:11 Entraînement de Modèles d'Apprentissage Automatique avec le Classification Learner
22:25 Prédiction de la Durée de Vie Utile Restante
24:39 Entraînement d'un Modèle de Dégradation Exponentielle
28:13 Modélisation de Système pour la Maintenance Prédictive dans Simulink
31:40 Déploiement d'Algorithmes de Maintenance Prédictive
34:00 Résumé
#maintenanceprédictive
--------------------------------------------------------------------------------------------------------
© 2023 The MathWorks, Inc. MATLAB et Simulink sont des marques déposées de The MathWorks, Inc.
Voir www.mathworks.com/trademarks pour une liste d'autres marques déposées. D'autres noms de produits ou de marques peuvent être des marques déposées ou des marques déposées de leurs titulaires respectifs.