预测性维护工具箱™允许您管理传感器数据，设计状态指示器，并估计机器的剩余使用寿命(RUL)。

该工具箱提供了一些功能和一个交互式应用程序，用于使用基于数据和基于模型的技术(包括统计、光谱和时间序列分析)探索、提取和排序特征。通过使用频率和时频方法从振动数据中提取特征，可以监视旋转机器的健康状况。要估计机器发生故障的时间，可以使用生存期、相似性和基于趋势的模型来预测RUL。

您可以对从本地文件、云存储和分布式文件系统导入的传感器数据进行整理和分析。您可以标记从Simulink生成的模拟故障数据^®模型。该工具箱包括电机、齿轮箱、电池和其他机器的参考示例，可用于开发定制的预测性维护和状态监测算法。

要操作您的算法，您可以生成C/ c++代码以部署到边缘，或者创建一个生产应用程序以部署到云中。