預測性維護Part 2：透過特徵擷取來找出狀態指標 Predictive Maintenance, Part 2: Feature Extraction for Identifying Condition Indicators
Melda Ulusoy, MathWorks
影片介紹
狀態指標可以藉由分辨機器狀態是健康或故障來幫助你更清楚地了解你的資料。你可以利用時域、頻域、以及時頻域特徵從資料推導出狀態指標。
本段影片使用一個三缸泵的範例來說明預測性維護的工作流程以及辨識出狀態指標的方法。演算法的第一個步驟是要收集代表健康以及故障狀態的資料。接下來，會進行原始量測資料的前處理，把雜訊清理掉。前處理有助於將原始資料轉換為可以用來擷取狀態指標資料的格式。再下一步，是要藉由調查不同的特徵來了解這些特徵是否足以用來將不同的故障類型區分出來。在擷取狀態指標之後，會使用這些被選出的特徵來訓練一個機器學習模型，再透過一個混淆矩陣來評估經過訓練的模型表現。
預測性維護Part 3：剩餘使用壽命估計