小迈步之人工智能（二）：大数据跌进人工智能的坑，预测性维护如何实现和落地

概述

作为智能制造的典型表现，预测性维护收到越来越多的关注。预测性维护结合了大数据、机器学习、以及并行与分布式计算等多项技术。

MATLAB作为科学计算软件，可以进行端到端的预测性维护应用开发，实现设备级和系统级的故障监控和诊断。同时，结合Simulink可以开发物理设备的数字化孪生体，实现设备的实时仿真及仿真数据的生成。MATLAB与Simulink相结合，可以从模型和仿真两个角度实现对对设备故障的针对于预判。

本次微直播内容主要涵盖如何利用MATLAB开发设备级预测性维护应用，包括设备仿真与数据预处理，机器学习模型的构建与训练，应用的部署等

亮点

• 利用数字孪生仿真目标对象，并产生仿真数据
• 利用数据进行预处理和特征提取
• 利用机器学习技术构建设备的故障诊断和剩余使用寿命预测模型
• 利用App Designer生成用户界面

关于演示者

马文辉，MathWorks中国高级应用工程师， 南开大学工学博士，在大数据处理与分析、机器学习领域有多年研究与开发经验；曾就职于Nokia Siemens中国研究院，Adobe中国研发中心以及IBM GBS。