매스웍스(http://www.mathworks.com)는 새로운 매트랩(MATLAB) 제품인 예측 유지 관리 툴박스(Predictive Maintenance Toolbox)를 발표했다. 예측 유지 관리 툴박스는 엔지니어가 상태 모니터링 및 예측 유지 관리 알고리즘을 설계 및 테스트할 수 있도록 돕는다. 또한, 데이터 구성, 상태 지표 설계, 기계 상태 모니터링 및 잔여 수명(Remaining Useful Life : RUL) 예측을 통해 장비의 오류를 방지할 수 있는 알고리즘을 설계하는 엔지니어들을 위해 라이브러리 및 다양한 예제를 제공한다.
엔지니어는 예측 유지 관리 툴박스를 사용해 로컬 또는 클라우드 스토리지에 저장된 파일에서 가져온 센서 데이터를 분석하고 레이블을 지정할 수 있다. 뿐만 아니라, 시뮬링크(Simulink) 모델을 이용한 고장 시뮬레이션을 통해 고장 레이블을 포함한 데이터를 수집할 수 있다. 스펙트럼 분석 및 시계열 분석과 같은 기술을 기반으로 구축되는 신호 처리 및 동적 모델링 방법을 통해 데이터를 전처리할 수 있으며, 기계 상태 모니터링에 사용 가능한 특징을 추출할 수 있다. 생존, 유사성 및 트렌드 기반 모델을 사용해 RUL 예측 시 엔지니어는 기계의 오류 시점을 예측하는 데 도움을 얻을 수 있다. 예측 유지 관리 툴박스는 사용자 정의 예측 유지 관리 및 상태 모니터링 알고리즘 개발에 재사용할 수 있는 모터, 기어박스, 배터리 및 기타 기계에 대한 참조 예제를 포함하고 있다.
엔지니어는 이러한 툴박스를 통해 장비 오류가 발생할 수 있는 시점을 예측하거나 센서 데이터 모니터링을 통해 기저의 이상 징후를 감지하는데 필요한 알고리즘을 개발하고 검증할 수 있게 됐다. 이러한 알고리즘은 로컬 파일 또는 아마존 S3(Amazon S3), 윈도우 애저 블랍 스토리지(Windows Azure Blob Storage) 및 하둡 분산파일 시스템 HDFS(Hadoop Distributed File System)과 같은 클라우드 스토리지 시스템에 저장된 과거 데이터에 액세스하는 방식을 통해 개발한다. 데이터의 또 다른 소스는 오류 역학이 통합된 장비의 물리적 모델에서 얻은 시뮬레이션 데이터다. 엔지니어는 이러한 데이터에서 가장 적합한 특징을 추출 및 선택한 후, 대화형 앱을 사용해 기계 학습 모델에 이러한 특징을 학습시켜 장비 오류를 예측 또는 감지할 수 있다.
매스웍스의 폴 필로테(Paul Pilotte) 기술 마케팅 관리자는 "예측 유지 관리는 산업용 사물인터넷(IoT)에 있어 매우 핵심적인 응용 프로그램이다. 이는 불필요한 유지 관리 비용을 줄이고, 예기치 않은 가동 중지 시간을 없애는데 매우 중요하다. 특히 기계 학습 또는 신호 처리에 대한 배경 지식이 없는 엔지니어들의 경우, 예측 유지 관리를 위한 알고리즘을 설계하는 데 어려움을 겪고 있다. 이제 이 팀들은 이러한 알고리즘을 설계 및 테스트하는 방법을 학습하기 위한 시작점으로 예측 유지 관리 툴박스를 활용해 속도를 신속하게 증진시킬 수 있다"라고 말했다.