Matlab se dote d’un outil pour la maintenance préventive

Le 15/06/2018 à 12:14

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.

Copy link
Powered by Social Snap