Прогнозирующее обслуживание позволяет пользователям и производителям оборудования оценивать рабочее условие машин, диагностировать отказы или оценивать, когда может произойти следующий отказ оборудования. Когда вы можете диагностировать или предсказать отказы, вы можете планировать техническое обслуживание заранее, лучше управлять запасами, сократить время простоя и повысить операционную эффективность.
Ключевым шагом в разработке алгоритмов прогнозирующего обслуживания является идентификация индикаторов состояния, которые являются функциями в данных вашей системы, поведение которых изменяется предсказуемым образом по мере ухудшения системы. Индикатор состояния может быть любой функцией, которая полезна для отличия нормальной и неисправной операции или для прогнозирования оставшегося срока службы. Полезный индикатор состояния группирует одинаковый статус системы вместе и устанавливает различный статус отдельно. Примеры индикаторов состояния включают величины, выведенные из:
Простой анализ, такой как среднее значение данных с течением времени.
Более комплексный анализ сигнала, такой как частота пиковой величины в спектре сигнала или синхронное по времени среднее значение сигнала от вращающегося источника.
В приложении Diagnostic Feature Designer можно разрабатывать функции и оценивать потенциальные индикаторы состояния с помощью многофункционального графического интерфейса.
Приложение работает с ансамблями данных. Ансамбль - это набор наборов данных, созданный путем измерения или симуляции системы при меняющихся условиях. Отдельный набор данных, представляющий одну систему при одном наборе условий, является представителем. Diagnostic Feature Designer обрабатывает всех представителей ансамбля при выполнении одной операции.
В рамках Diagnostic Feature Designer можно в интерактивном режиме:
Исследуйте ваш ансамбль данных визуально, строя графики и взаимодействуя с представителями ансамбля вместе.
Преобразуйте ваши данные в различные формы для дальнейшего исследования. Например, вы можете создать спектр степени вашего сигнала, чтобы оценить его поведение в частотном диапазоне. Или можно выполнить синхронное среднее, которое отфильтровывает любой шум или нарушение порядка, которое не связано с вращением вашей машины.
Сгенерировать функции различных типов и построить гистограммы, которые визуализируют эффективность каждой функции в разделении данных для систем с различными условиями.
Оцените сгенерированные функции с помощью алгоритмов ранжирования, которые используют определенные критерии, чтобы установить, какие функции наиболее эффективны.
Экспортируйте набор данных или набор функций в приложение в MATLAB® рабочая область, или экспортировать набор функций в Classification Learner для разработки модели и дополнительной оценки функций.
Сгенерируйте код MATLAB для ваших функций, чтобы можно было выполнить вычисления признаков на других или больших наборах данных.
Следующие примеры , состоящие из трех шагов проведут вас через рабочий процесс Diagnostic Feature Designer для модели трансмиссии, от первоначального импорта данных до экспорта выбранных функций.
Полный рабочий процесс для программы прогнозирующего обслуживания включает несколько шагов, которые начинаются с сбора данных и заканчиваются развертыванием и интегрированием алгоритма мониторинга условий. Для получения дополнительной информации см. «Разработка алгоритмов мониторинга условий и прогнозирующего обслуживания».
