Das Portal der Prozessanalytik PAT - Technologie und Prozesskontrolle

 
 

 



 
Fachberichte - Prozessanalytik generell - Ausbildung - Industrie 4.0 - Messfehler - Optofluidics - PAT - Aus Seminaren / Workshops / Kolloquien

Fachberichte

Tagungen

Prozessanalytik - generell

Gasanalytik

Flüssigkeitsanalytik

Feststoffanalytik

Partikelanalytik

Physikalische Parameter

Automatisierungslösungen Kontrolltechnologie

Systemkomponenten Probenaufbereitung

Dienstleister

 

Rubriken : Automatisierungslösungen / Kontroltechnologie - Dienstleister
Entwickler und Anbieter technischer Software für mathematische Berechnungen und modellbasierte Entwicklung - Algorithmen-Entwicklung, die Analyse und Visualisierung von Daten sowie für numerische Berechnungen

 

Die Predictive Maintenance Toolbox zum Entwerfen und Testen von Algorithmen

- für die Zustandsüberwachung und Predictive Maintenance -

 

Bild : Training prädiktiver Modelle, die die Restnutzungsdauer abschätzen
können und die verknüpften Konfidenzintervalle der Prognose angeben

 

 

Die richtigen Schlüsse aus Daten ziehen – die Predictive Maintenance Toolbox

Mit der Predictive Maintenance Toolbox können Ingenieure Daten kennzeichnen, Zustandsindikatoren entwerfen und etwaige Störfälle bei Maschinen voraussagen und vermeiden. Zur Analyse können Maschinendaten aus lokalen Dateien, Cloud-Storage und verteilten Dateisystemen importiert werden. Die Toolbox enthält Referenzbeispiele für Motoren, Getriebe, Batterien und andere Maschinen, die hilfreiche Richtwerte für die Entwicklung eigener prädiktiver Wartungs- und Zustandsüberwachungsalgorithmen zur Verfügung stellen.

 

 

Design and test condition monitoring and predictive maintenance algorithms

Predictive Maintenance Toolbox™ provides tools for labeling data, designing condition indicators, and estimating the remaining useful life (RUL) of a machine. You can analyze and label machine data imported from local files, cloud storage, and distributed file systems. You can also label simulated failure data generated from Simulink® models.

Signal processing and dynamic modeling methods that build on techniques such as spectral analysis and time series analysis let you preprocess data and extract features that can be used to monitor the condition of the machine. To estimate a machine's time to failure, you can use survival, similarity, and trend-based models to predict the RUL.

The toolbox includes reference examples for motors, gearboxes, batteries, and other machines that can be reused for developing custom predictive maintenance and condition monitoring algorithms.


mehr ...


top

©

Analytic Journal Kontakt Der Analytik-Brief - Abo Firmen-Eintrag Das Analytic Journal Impressum Sitemap