MathWorks今日宣布推出新的MATLAB产品Predictive Maintenance Toolbox，帮助工程师设计并测试状态监测和预测性维护算法。PredictiveMaintenanceToolbox为算法工程师提供了一系列功能和参考范例，用来组织数据、设计状态指标、监测机器运行状况和预估剩余使用寿命(RUL)，从而避免设备故障。
借助Predictive Maintenance Toolbox，工程师能分析和标注从存储于本地或云端的文件中导入的传感器数据。他们还能标注从Simulink模型生成的仿真故障数据以表征设备故障。利用在频谱分析和时序分析等技术所构建的信号处理和动态建模方法，工程师能够预处理数据并提取可用来监测机器状态的特征。使用生存分析、相似性分析和基于趋势的模型来预测RUL，可帮助工程师预估机器发生故障的时间。该工具箱包括发动机、变速箱、电池和其他机器的参考范例，可以复用以开发自定义的预测性维护和状态监测算法。
现在，工程师开发和验证必要的算法，通过监测传感器数据，以预测设备何时可能发生故障，或检测任何潜在的异常现象。这些算法可以通过访问存储在本地文件系统、云存储系统（如AmazonS3和WindowsAzureBlob存储）或Hadoop分布式文件系统上的历史数据，得以开发。另一个数据源是来自包含故障动态的设备物理模型的仿真数据。工程师可以从此数据中提取和选择最合适的特征，然后借助交互式应用程序，用这些特征训练机器学习模型，以预测或检测设备故障。
“预测性维护是工业物联网的一个重要应用。它对于减少不必要的维护成本和消除计划外停机十分关键。那些通常没有机器学习或信号处理背景的工程师会发现，设计预测性维护的算法特别具有挑战性。”Math Works公司技术市场经理Paul Pilotte说，“现在，通过使用Predictive Maintenance Toolbox学习如何设计和测试这些算法作为起点，这些团队能够快速上手并提高。”
Predictive Maintenance Toolbox已在全球上市。如需更多信息，请访问
mathworks.com/products/predictive-maintenance。
有关工程师团队如何使用MATLAB，通过预测故障来减少设备停机时间、自动确定故障的根本原因和避免不必要维护成本的详细信息，请访问mathworks.com/discovery/predictive-maintenance.html。
图示：Predictive Maintenance Toolbox能帮助训练预测模型来预估剩余使用寿命(RUL)
并提供与预测相关联的置信区间。
关于Math Works
Math Works是数学计算软件的领先开发商。它所推出的MATLAB是一种用于算法开发、数据分析、可视化和数值计算的程序设计环境，称为“科学计算的语言”。Simulink是一种图形环境，可用于对多域动态系统和嵌入式系统进行仿真和基于模型设计。全球的工程师和科学家们都依赖于MathWorks公司所提供的这些产品家族，来加快在汽车、航空、电子、金融服务、生物医药以及其他行业的发明、创新及开发的步伐。除此之外，MATLAB和Simulink产品还是基础教学和研究工具，为全球众多大学和教学机构所采用。MathWorks创建于1984年，总部位于美国马萨诸塞州的内蒂克市(Natick,Massachusetts)，在全球16个国家/地区拥有4000多名员工。有关详细信息，请访问mathworks.com/ww2.mathworks.cn。
