工程師將 MATLAB和 Simulink用于開發和部署面向企業 IT 和 OT 系統的狀態監控和預測性維護軟件。

使用連接云存儲、關系和非關系數據庫的內置接口以及諸如 REST、MQTT 和 OPC UA 等協議訪問流數據和存檔數據

使用信號處理和統計技術應用程序來預處理數據并提取特征以監測設備運行狀況

建立機器學習模型以隔離故障根源并預測故障時間及剩余使用壽命 (RUL)

通過自動生成基于 C/C++、Python、HDL、PLC、GPU、.NET 或 Java的軟件組件，將算法和模型部署到您選擇的運行系統（例如嵌入式系統、邊緣設備和云）

訪問無處不在的數據

設備數據可被結構化或非結構化，它們存儲于諸如本地文件、云（例如 AWSS3、AzureBlob）、數據庫以及歷史數據等多種源中。無論您的數據在哪里，您都可以使用 MATLAB 來獲取。當您沒有足夠的故障數據時，可以通過輸入信號故障，從機器設備上的 Simulink 模型來生成故障數據，并對系統故障動態進行建模。

整理和探索您的數據以實現簡化

數據是散亂的。使用 MATLAB，您可以對數據進行預處理、降維處理并提取特征：

對不同采樣率的數據進行調整，并說明缺失值和異常值

使用先進的信號處理技術移除雜點、篩選數據并分析瞬態或變化的信號

使用統計和動態方法進行特征提取和選擇，以簡化數據集并減少預測模型的過度擬合

使用機器學習檢測和預測錯誤

運用分類、回歸和時序建模技術確定故障根源并預測故障時間。

交互式探查并選擇最重要的變量來估算 RUL 或對故障模式進行分類

使用內置函數訓練、比較和驗證多個預測模型

計算并可視化置信區間以量化預測中的不確定性

相關閱讀：三種 MATLAB 方法評估設備剩余使用壽命

在生產系統中部署算法

通過同步定位與地圖構建（SLAM），使用激光雷達傳感器數據創建環境地圖

通過在嵌入式設備和企業 IT/OT 系統上實施 MATLAB 算法，縮短響應時間，減少傳輸的數據，并立即提供結果給車間操作員。

通過使用 MATLAB 和 Simulink 為目標資產和邊緣設備自動生成 C/C ++代碼來擺脫手動編碼

在含生產服務器的云上擴展 MATLAB 分析，并與Spotfire、 PI Server 及其他平臺集成