工程師將 MATLAB和 Simulink用于開發(fā)和部署面向企業(yè) IT 和 OT 系統(tǒng)的狀態(tài)監(jiān)控和預測性維護軟件。

使用連接云存儲、關系和非關系數(shù)據(jù)庫的內置接口以及諸如 REST、MQTT 和 OPC UA 等協(xié)議訪問流數(shù)據(jù)和存檔數(shù)據(jù)

使用信號處理和統(tǒng)計技術應用程序來預處理數(shù)據(jù)并提取特征以監(jiān)測設備運行狀況

建立機器學習模型以隔離故障根源并預測故障時間及剩余使用壽命 (RUL)

通過自動生成基于 C/C++、Python、HDL、PLC、GPU、.NET 或 Java的軟件組件，將算法和模型部署到您選擇的運行系統(tǒng)（例如嵌入式系統(tǒng)、邊緣設備和云）

訪問無處不在的數(shù)據(jù)

設備數(shù)據(jù)可被結構化或非結構化，它們存儲于諸如本地文件、云（例如 AWSS3、AzureBlob）、數(shù)據(jù)庫以及歷史數(shù)據(jù)等多種源中。無論您的數(shù)據(jù)在哪里，您都可以使用 MATLAB 來獲取。當您沒有足夠的故障數(shù)據(jù)時，可以通過輸入信號故障，從機器設備上的 Simulink 模型來生成故障數(shù)據(jù)，并對系統(tǒng)故障動態(tài)進行建模。

整理和探索您的數(shù)據(jù)以實現(xiàn)簡化

數(shù)據(jù)是散亂的。使用 MATLAB，您可以對數(shù)據(jù)進行預處理、降維處理并提取特征：

對不同采樣率的數(shù)據(jù)進行調整，并說明缺失值和異常值

使用先進的信號處理技術移除雜點、篩選數(shù)據(jù)并分析瞬態(tài)或變化的信號

使用統(tǒng)計和動態(tài)方法進行特征提取和選擇，以簡化數(shù)據(jù)集并減少預測模型的過度擬合

使用機器學習檢測和預測錯誤

運用分類、回歸和時序建模技術確定故障根源并預測故障時間。

交互式探查并選擇最重要的變量來估算 RUL 或對故障模式進行分類

使用內置函數(shù)訓練、比較和驗證多個預測模型

計算并可視化置信區(qū)間以量化預測中的不確定性

相關閱讀：三種 MATLAB 方法評估設備剩余使用壽命

在生產系統(tǒng)中部署算法

通過同步定位與地圖構建（SLAM），使用激光雷達傳感器數(shù)據(jù)創(chuàng)建環(huán)境地圖

通過在嵌入式設備和企業(yè) IT/OT 系統(tǒng)上實施 MATLAB 算法，縮短響應時間，減少傳輸?shù)臄?shù)據(jù)，并立即提供結果給車間操作員。

通過使用 MATLAB 和 Simulink 為目標資產和邊緣設備自動生成 C/C ++代碼來擺脫手動編碼

在含生產服務器的云上擴展 MATLAB 分析，并與Spotfire、 PI Server 及其他平臺集成