Прогнозирующее обслуживание позволяет пользователям оборудования и производителям оценивать рабочее состояние машинного оборудования, диагностировать отказы или оценку, когда следующий отказ оборудования, вероятно, произойдет. Когда можно диагностировать или предсказать отказы, можно запланировать обслуживание заранее, лучше управлять материально-техническими ресурсами, уменьшать время простоя и увеличить операционный КПД.
Ключевой шаг в прогнозирующей разработке алгоритмов обслуживания идентифицирует индикаторы состояния, которые являются функциями в ваших системных данных, изменения поведения которых предсказуемым способом, когда система ухудшает. Индикатор состояния может быть любой функцией, которая полезна для различения нормального от дефектной операции или для предсказания остающегося срока полезного использования. Полезное состояние аналогичной системы кластеров индикатора состояния вместе и отделяет различное состояние. Примеры индикаторов состояния включают количества, выведенные из:
Простой анализ, такой как среднее значение данных в зависимости от времени.
Более комплексный анализ сигнала, такой как частота пиковой величины в спектре сигнала или синхронное во времени среднее значение сигнала из вращающегося источника.
В приложении Diagnostic Feature Designer можно разработать оценки и оценить потенциальные индикаторы состояния с помощью многофункционального графического интерфейса.
Приложение работает с ансамблями данных. Ансамбль является набором наборов данных, созданных путем измерения или симуляции системы при различных условиях. Отдельный набор данных, представляющий одну систему под одним набором условий, является членом. процессы Diagnostic Feature Designer все члены ансамбля при выполнении одной операции.
В Diagnostic Feature Designer вы можете в интерактивном режиме:
Исследуйте свой ансамбль данных визуально путем графического вывода и взаимодействия с членами ансамбля вместе.
Преобразуйте свои данные в различные формы для дальнейшего исследования. Например, можно создать спектр мощности сигнала оценить его поведение частотного диапазона. Или можно выполнить синхронное во времени усреднение, которое отфильтровывает любой шум или воздействие, которое не сопоставлено с вращением машины.
Сгенерировать характеристики различных типов и построить гистограммы, которые визуализируют эффективность каждой характеристики в разделении данных для систем с различными состояниями.
Отранжируйте генерированные при помощи алгоритмов ранжирования, которые используют определенные критерии, чтобы установить, какие функции являются самыми эффективными.
Экспортируйте набор данных или набор функций в приложении к вашей рабочей области MATLAB®, или экспортируйте набор функций в Classification Learner для оценки дополнительной функции и разработки моделей.
Сгенерируйте код MATLAB для своих функций так, чтобы можно было выполнить вычисления функции на других или больших наборах данных.
Следующий пример, состоящий из трёх шагов берет, вы через рабочий процесс Diagnostic Feature Designer для модели трансмиссии, от ваших исходных данных импортируете к экспорту ваших выбранных признаков.
Полный рабочий процесс для прогнозирующей программы обслуживания включает несколько шагов, которые начинаются со сбора данных и заканчиваются развертыванием и интегрированием алгоритма мониторинга состояния. Для получения дополнительной информации см. Алгоритмы Разработки для Мониторинга состояния и Прогнозирующего Обслуживания.
