冶金学家和工艺工程师使用MATLAB®和仿真软件®优化吞吐量，减少停机时间，提高安全性。他们分析实时传感器数据，建模和模拟采矿作业，实施控制策略，并利用人工智能系统。
MATLAB和Simulink帮助采矿工程师:
- 通过将数值技术应用于高速传感器数据，开发预测性维护系统
- 使用带有历史数据的机器学习来排除工艺问题
- 利用工厂和设备建模和仿真来提高工艺性能
- 与数据科学家和IT人员合作，采用数字化
- 使用一个数字双当传感器关闭时，继续工厂运行
“MATLAB让我们能够将以前不可读的数据转换成可用的格式;自动化滤波、光谱分析和转换步骤的多辆卡车和地区;最终，应用机器学习技术实时预测进行维护的理想时间。”
Gulshan Singh，贝克休斯
提取
利用预测性维护和信号处理优化资产
MATLAB可以帮助您开发预测性维护算法，以定制您的设备的具体操作和架构轮廓。使用预测性维护工具箱™来设计状态指示器，并估计旋转设备的剩余使用寿命。
您可以使用Signal Processing Toolbox™自动化监控控制回路的性能，远程确定管道中的腐蚀或点蚀程度，并检测管道泄漏的位置和数量。
阅读贝克休斯如何使用MATLAB为天然气和石油开采设备实施预测性维护平台，降低了30-40%的总成本。
处理
机器学习、深度学习和大数据
统计和机器学习工具箱™中的交互式应用程序可以让您应用机器学习技术，而不必成为数据科学的专家。MATLAB还为处理大数据和开发深度学习模型提供了一个单一的、高性能的环境。这使您能够更快地执行故障检测和诊断，并更好地监视您的进程。
阅读Ruukki工程师是如何简化他们的分析的通过集成各种数据库和使用机器学习进行流程优化，时间从几天到不到一分钟。
模拟故障数据
传统上，工程师根据从传感器收集的数据来优化采矿工厂和工艺。然而，对于机器中多种可能的故障模式，传感器数据并不总是可用的。相反，您可以使用模拟数据来表示故障，方法是创建计算机模型并模拟错误的操作条件。
Simulink和Simscape™使您能够构建机器的模型，该模型可以描述其物理组件和动态方面的行为。您可以通过修改参数值、注入故障和更改模型动态来表示机器的不同故障模式。
数据建模的过程改进
利用MATLAB中的多元分析工具确定影响工艺性能的独立驱动变量。系统识别工具箱™允许您创建和使用动态系统的模型，这些模型不容易从基本原理或规范建模。该工具箱还允许您交互式地执行在线参数和状态估计。
看看Shell是如何使用MATLAB的(35分)开发模型并对批处理过程进行实时优化。
供应链物流与生产预测“，
简化计划和安排活动
通过离散事件模拟提高生产和调度效率。通过SimEvents™，您可以研究批处理生产过程中任务计时和资源使用的影响。使用MATLAB和Simulink产品，您还可以为与2022世界杯八强谁会赢？预测、产能规划和供应链管理相关的决策进行运筹学研究。
了解GE运输利用MATLAB开发了机车辅助驱动系统。
数字转换
数字化
MathWorks可以帮助您根据组织的需要采用和实现大数据策略。您可以使用预构建的MATLAB工具箱和参考体系结构来简化广泛的应用程序:从与企业IT系统、云和生产数据基础设施的集成，到将您的计算扩展到集群，或将您的模型部署为应用程序，以便与MATLAB之外的用户共享。看看如何在云上实现这一点．
了解更多关于如何也可以直接与OSIsoft PI连接系统。
看看壳牌是如何拥抱数字化的吧(29:14)使用MATLAB生产服务器™。Shell工程师自动化了他们的流程，以集成来自不同来源的数据，构建模型，并将分析部署到云和企业系统上。
“作为地质学家，MATLAB使我们能够利用我们在预测框架、分析和模拟匹配方面的专业知识，实现我们行业中独特的算法。在MathWorks顾问的帮助下，我们将这些算法作为一个易于使用的应用程序部署给全球的同事。”
尼克·豪斯,壳牌
让我们知道我们能如何帮助你。
联系我们进行定制评估，并根据您的需求获得定价。
您也可以从以下列表中选择网站: