Wprowadzenie
Pracujesz dla firmy produkcyjnej, która używa urządzeń przemysłowych i sprzętu w ramach jej działalności. Gdy jedno z tych urządzeń łamie, kosztuje to czas i pieniądze firmy. Dlatego przeprowadzanie konserwacji na tych urządzeniach jest ważne.
Scenariusz: Konserwacja predykcyjna
Istnieje wiele różnych czynników, takich jak użycie, które wpływają na potrzebę konserwacji. Żadne urządzenie nie jest takie samo. Proaktywne działanie dzięki konserwacji może pomóc zminimalizować czas i pieniądze, które firma spędza, gdy urządzenie się przerwie. Do tego momentu ręcznie śledzisz, które urządzenia wymagają konserwacji. W miarę rozwoju firmy ten proces staje się trudniejszy do zarządzania.
Co zrobić, jeśli można zautomatyzować przewidywanie, kiedy urządzenie będzie potrzebować konserwacji przy użyciu danych czujnika?
Uczenie maszynowe może ułatwić analizowanie danych historycznych z tych czujników. Uczenie maszynowe może również obejmować wzorce uczenia, aby ułatwić przewidywanie, czy maszyna wymaga konserwacji, czy nie.
Chcesz skorzystać z umiejętności platformy .NET i użyć znanych narzędzi, takich jak Visual Studio, aby utworzyć rozwiązanie, ale nie masz doświadczenia z uczeniem maszynowym. W związku z tym podjęto decyzję o użyciu ML.NET — platformy uczenia maszynowego typu open source dla platformy .NET. Do utworzenia modelu uczenia maszynowego użyjesz również rozszerzenia programu Visual Studio, narzędzia Model Builder.
Czego się nauczysz?
W tym module dowiesz się, czym jest program Model Builder, jak używać go do trenowania modeli uczenia maszynowego oraz jak korzystać z tych modeli w aplikacjach platformy .NET.
Jaki jest główny cel?
Celem tego modułu jest przedstawienie procesu używania modeli uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych.