工艺工程师使用MATLAB®和仿真软件®分析实时传感器数据，实施控制策略，创建基于大数据和机器学习的预测性维护系统。
MATLAB和Simulink帮助工艺工程师:
- 在高速传感器数据上应用数值技术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
- 使用数据建模来提高流程性能
- 开发和实施先进的预测控制(APC)策略
- 在不依赖数据科学家或IT人员的情况下采用数字化
“作为一家制造公司，我们没有具备机器学习专业知识的数据科学家，但MathWorks提供的工具和技术知识使我们能够在几个月内开发出一个生产预防性维护系统。”
Michael Kohlert医生，Mondi Gronau
看一个例子
Shell使用MATLAB预测分析在化工厂检测事件和异常。
Shell和AACoE展示了如何使用MDCS为其工程师带来简单、轻松的AI工具，以加快流程，同时增加其可靠性。
除了过程模拟器
传统的过程模拟器通常足以满足稳态条件，但它们不能处理真实工厂所处理的输入的动态性质。用MATLAB，你可以写你自己的方程和算法，让你完全控制整个模型。
你也可以集成MATLAB与过程模拟器比如Aspen Plus和gprom，用于定制单元操作、高级分析、设计控制方案和利用优化例程，如遗传算法。
观察(17)陶氏使用MATLAB和Aspen Plus进行工艺优化
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。
观察Tupras在他们的炼油厂实施了自动化控制回路绩效评估系统。
机器学习和大数据
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还为处理大数据提供了一个单一的、高性能的环境——无论是结构化的还是非结构化的。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。
读到我2C2研究人员分析了数百万行工艺数据，开发了机器学习模型来预测奶粉的功能特性。
深度学习和图像处理
只需几行MATLAB代码，就可以构建深度学习模型，使用过程数据来预测异常情况。使用图像处理工具箱™应用程序自动化常见的过程，如分割图像数据和批处理大型图像数据集。您可以使用MATLAB在图像处理应用程序，如火焰表征，设备热成像，塑料薄膜质量检测。通过MATLAB中的深度学习，您可以直接从图像和视频数据中学习特征表示。
读到dexerals公司使用人工智能实时检测薄膜制造中的缺陷。
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。
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，到将计算扩展到集群，或将模型部署为应用程序与非MATLAB用户共享。
看看你怎么做直接与OSIsoft PI连接系统和实现实时作战情报。
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。
通过DCS部署关闭循环
MATLAB算法可以与各种DCS系统集成工业通信工具箱™．该工具箱提供了直接从MATLAB和Simulink访问实时和历史OPC数据的功能。您可以从设备(如DCS、监视控制和数据采集系统和plc)中读取、写入和记录OPC数据。工业通信工具箱允许您使用来自符合OPC DA、HDA和UA标准的实时服务器和数据历史记录的数据。
阅读Genentech如何使用MATLAB和工业通信工具箱建立生物反应器监控算法开发平台。
“用MATLAB和Simulink开发我们自己的系统的另一个优势是，我们可以获取庄信万丰工程师积累的组织知识和专业知识，而不是依赖于另一家公司的一刀切的解决方案。”
蒂姆·沃特林，约翰逊·马塞
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。
更多关于化学品和石化产品
您也可以从以下列表中选择网站: