MATLAB 和 Simulink 助力金属、材料和采矿

流程工程师使用 MATLAB® 和 Simulink® 分析实时传感器数据,实施控制策略,并基于大数据和机器学习创建预测性维护系统。

MATLAB 和 Simulink 帮助采矿工程师:

  • 通过在高速传感器数据上应用数值技术来开发预测性维护系统
  • 使用机器学习和历史数据来解决流程问题
  • 使用数据建模来改进流程性能
  • 采用数字化而非依赖于数据科学家或 IT 人员

“MATLAB 让我们能够将以前不可读的数据转换为可用的格式,将多卡车及区域的过滤、光谱分析和转化步骤自动化,并最终将机器学习技术实时用于预测执行维护的理想时段

Gulshan Singh, Baker Hughes

了解有关预测性维护的更多信息

仿真故障数据

传统上,工程师根据传感器收集来的数据优化采矿厂和流程。

但是,传感器数据并不总适用于机器中多种可能的故障模式 。相反,您可以通过创建机器模型并仿真故障操作条件来使用仿真数据呈现故障。

Simulink 和 Simscape™ 让您构建可根据物理组件和动态描述其行为的机器模型。您可以通过修改参数值、注入故障和更改模型动态呈现机器的不同故障模式。

通过预测性维护和信号处理优化资产

MATLAB 可以帮助您根据设备的具体操作和架构特性开发自定义预测性维护算法。使用 Predictive Maintenance Toolbox™ 设计状态指示器和估算旋转钻井设备的剩余使用寿命。

您可以使用 Signal Processing Toolbox™ 自动监控控制回路的性能,远程确定管道中的腐蚀或点蚀程度,以及检测管道泄漏的位置和数量。

阅读了解 Baker Hughes 如何使用 MATLAB 实现天然气和石油开采设备的预测性维护平台,并使总体成本降低 30-40%。

机器学习、深度学习和大数据

Statistics and Machine Learning Toolbox™ 中的交互式应用可让您应用机器学习技术,而无需成为数据科学专家。MATLAB 还提供了用于处理大数据和开发深度学习模型的单一、高性能环境。这使您能够更快地执行故障检测和诊断,并更好地监控您的流程。

阅读了解 Ruukki 工程师如何通过集成各种数据库并使用机器学习进行流程优化,将分析时间从几天缩短至一分钟以内。

使用数据建模改进流程

使用 MATLAB 中的多元分析工具确定影响流程性能的独立驱动变量。System Identification Toolbox™ 可让您创建和使用那些第一原理或规范不易建模的动态系统模型。该工具箱还可让您以交互方式执行在线参数和状态估测。

Shell 的大数据与预测分析 (3:35) 开发模型并对批处理执行实时优化。

制定和实施流程控制策略

您可以使用 MATLAB 控制产品来设计控制方案并执行动态仿真,以更好地分析工厂行为。通过硬件在环测试和快速原型验证您的设计。

阅读了解 Tata Steel 如何通过数字孪生优化控制策略,从而使其工业冷却塔节省 40% 的能耗。

数字化

MathWorks 可以帮助您采用和实施符合公司特定需求的大数据策略。您可以使用预构建的 MATLAB 工具箱和参考架构来简化各种应用程序:从与企业 IT 系统、云和生产数据架构集成,到将计算扩展到集群或将模型部署为应用程序以便与非 MATLAB 用户分享。了解如何在云上实现这一目标。

了解更多关于您还可以如何直接连接 OSIsoft PI 系统。

观看 视频了解 Shell 如何使用 MATLAB Production Server™ 实现数字化 (29:14) 。Shell 工程师将这些流程自动化了:整合来自不同来源的数据、,构建模型,以及将分析部署到云和企业系统。

简化规划和调度活动

通过离散事件仿真提高生产和调度的效率。使用 SimEvents™,您可以研究批量生产过程中任务定时和资源使用的影响。使用 MATLAB 和 Simulink 产品,您还可对与预测、产能计划和供应链管理相关的决策进行运营研究。

阅读了解 SK Innovation 如何使用 MATLAB 中的优化器为其炼油厂开发出最优原油选择策略。

“作为地质学家,MATLAB 让我们能够利用自己在预测框架、分析和模拟匹配方面的专业知识来实现业内独一无二的算法。在 MathWorks 咨询 顾问的帮助下,我们部署了这些算法应用,令全球同事都易于使用”

Nick Howes, Shell

联系我们

联系我们进行评估。