预测性维护

数据预处理

MathWorks 顾问可协助您应用数据合并、清洗、信号处理方法，处理分布式数据、缺失和无效数据，以及离群值和噪声。这样，您将可以获得适用于分析和模型开发的结构化数据集。

探索性数据分析

我们可以帮助您高效系统地调查您的数据（包括传感器测量值和输出之间的关系不明确的情况），例如故障时间。曲线拟合、系统辨识和信号分析器等可视化和数据分析工具可用于检验假设并快速获得见解。通过应用降维、特征排名和选择方法，可以为模型开发做好准备。

预测建模

如果您的数据点未经标注，我们将帮助您应用无监督机器学习方法来检测您的测量值中的模式和异常。我们会向您展示如何可视化和分析因老化导致的测量值变化，例如推断特征空间中的设备老化轨迹。我们还会帮助您标识和可视化数据中出现的聚类，并协助您对这些类别进行标注。

如果数据点经过标注，我们将帮助您创建和比较各种分类和/或回归模型，以分别确定故障的根源和估计剩余使用寿命。我们可以帮助您验证和优化最高性能的模型并调查特征变换，以提高准确度。所选特征有助于确定哪些传感器提供了最有意义的信息。

生产部署

一旦预测模型开发完成，我们就可以帮助您将其投入生产。通过选择阈值和性能度量，您可以最终确定您的控制过程。然后，我们可以协助您将 C/C++ 和/或 HDL 代码（从您的算法自动生成）部署到“智能”设备、微控制器或手机上。我们还可以帮助您在云中或本地实现物联网分析。

MathWorks 顾问可以帮助您：

• 确定适当的数据预处理、特征选择和预测建模方法，并应用这些方法来处理您的数据
• 通过基于项目的定制辅导课程，向您传授知识和最佳做法，培养您自身的竞争力
• 将修改后的过程部署到生产环境中，以降低您的运维成本

预测性维护
客户成功案例

“MathWorks Consulting 的支持服务可以说是一流的，他们的顾问专业功底格外深厚，而且响应迅速。我们已经通过节约成本得到了投资回报，现在我们有更多的预算和时间来完成更多机器学习项目，获得更多这样的回报。”

- Michael Kohlert 博士，Mondi Gronau GmbH