Mathworks hat als Zubehör zu seinen Mathematikpaketen Matlab und Simulink die Predictive Maintenance Toolbox herausgebracht. Mit den Funktionen und Referenzbeispielen aus dieser Erweiterung lässt sich die vorausschauende Wartung von Geräten modellieren und optimieren. Entwickler können historische Sensordaten importieren und mit der Toolbox Algorithmen für deren Auswertung entwickeln, etwa indem sie maßgebliche Merkmale identifizieren und damit ein Machine-Learning-Modell trainieren. Mit Ansätzen der Spektral- und Zeitreihenanalyse können sie Trends für den Gerätezustand ableiten, um daraus Ausfallwahrscheinlichkeiten und die wirtschaftliche Restlebensdauer für das Gerät vorherzusagen. Als Datenquellen kommen lokale Dateien, Blobs aus Amazon S3 oder Microsoft Azure sowie verteilte Dateisysteme à la Hadoop in Betracht. Alternativ kann man die Toolbox mit der Ausgabe eines Simulationspakets füttern, um Ausfallwahrscheinlichkeiten auch ohne historische Daten abzuschätzen. (hps@ct.de)