Matlab se dote d’un outil pour la maintenance préventive

Rédigé par  vendredi, 15 juin 2018 14:14

Avec ce nouvel outil, les ingénieurs sont en mesure de concevoir des indicateurs d’état, de surveiller le bon fonctionnement des machines et d’estimer la durée de vie restante utile estimée.

L’américain MathWorks, l’éditeur de logiciels pour les calculs mathématiques (Matlab et Simulink), vient d’ajouter, à Matlab, une boîte à outils supplémentaire destiné à la conception et au test des algorithmes de maintenance préventive et de surveillance de l’état d’un équipement.

Baptisé Predictive Maintenance Toolbox, ce nouvel outil propose des fonctionnalités et des exemples de référence (moteurs, boîtes de vitesses, batteries, etc.), afin de permettre aux ingénieurs d’organiser les données, de concevoir des indicateurs d’état, de surveiller le bon fonctionnement des machines et d’estimer la durée de vie restante utile estimée, de manière à prévenir les pannes de l’équipement.

« La maintenance prédictive est une application majeure des objets connectés industriels (IIoT), indispensable à la réduction des coûts de maintenance superflus et à l’élimination des périodes d’arrêt non planifiés. Les ingénieurs, qui n’ont généralement pas d’expérience en termes de Machine Learningou de traitement du signal, trouvent difficile de concevoir des algorithmes de maintenance prédictive », déclare Paul Pilotte, directeur marketing technique chez MathWorks.

Avec Predictive Maintenance Toolbox, les ingénieurs peuvent analyser et étiqueter les données de capteurs issues de fichiers stockés en local ou sur le cloud. Ils peuvent également étiqueter les données de défaillance simulées, générées à partir de modèles Simulink, pour représenter les défaillances de l’équipement.

Les méthodes de traitement du signal et de modélisation dynamique, qui s’appuient sur des techniques telles que l’analyse spectrale et l’analyse de séries temporelles, permettent aux utilisateurs de prétraiter les données et d’extraire les caractéristiques qui peuvent être utilisées pour surveiller l’état de la machine. L’utilisation des modèles de survie, de similarité et de tendances pour prédire la durée de vie restante utile aide les ingénieurs à estimer l’instant où apparaîtra la défaillance d’une machine.

Connectez-vous pour commenter

logo_80ans

26/02/2019 - 28/02/2019
Embedded World
05/03/2019 - 08/03/2019
Global Industrie
12/03/2019 - 14/03/2019
CFIA
13/03/2019 - 13/03/2019
Journée technique du CFM
20/03/2019 - 21/03/2019
MtoM & Objets Connectés - Embedded Systems
20/03/2019 - 20/03/2019
Comment bien choisir son réseau pour l’IoT industriel ?
26/03/2019 - 28/03/2019
Sepem industries Toulouse
01/04/2019 - 05/04/2019
Foire de Hanovre
03/04/2019 - 04/04/2019
Enova Nantes
10/04/2019 - 11/04/2019
Sido

Mesure physique, analyse chimique
Experts en analyses physico-chimiques

Avec plus de 35 ans d'expérience en analyse physico-chimique et une présence dans le monde entier, [...]

Pour communiquer sur vos produits,
Jean-Guillaume CANUET
Directeur de Publicité
jgcanuet@newscoregie.fr - 01 75 60 28 54
DCS
Distributed Control System, système de contrôle distribué, traduit en français par SNCC (Système Numérique de Contrôle-Commande).