Exercício: Treinar um modelo de aprendizado de máquina

  • 7 minutos

Você coletou dados de sensores de dispositivos de fabricação que estão saudáveis e aqueles que falharam. Agora você deseja usar o Construtor de Modelos para treinar um modelo de aprendizado de máquina que prevê se uma máquina falhará ou não. Ao usar o aprendizado de máquina para automatizar o monitoramento desses dispositivos, você pode economizar o dinheiro da sua empresa fornecendo uma manutenção mais oportuna e confiável.

Adicionar um novo item Modelo de Aprendizado de Máquina (ML.NET)

Para iniciar o processo de treinamento, você precisa adicionar um novo item Modelo de Aprendizado de Máquina (ML.NET) a um aplicativo .NET novo ou existente.

Criar uma biblioteca de classes C#

Como você está começando do zero, crie um novo projeto de biblioteca de classes C# onde você adicionará um modelo de aprendizado de máquina.

  1. Inicie o Visual Studio.

  2. Na janela Iniciar, selecione Criar um novo projeto.

  3. Na caixa de diálogo Criar um novo projeto, insira a biblioteca de classes na barra de pesquisa.

  4. Selecione Biblioteca de classes na lista de opções. Verifique se o idioma é C# e selecione Avançar.

    Captura de tela que mostra seleções para criar um projeto de biblioteca de classes.

  5. Na caixa de texto Nome do projeto, digite PredictiveMaintenance. Deixe os padrões para todos os outros campos e selecione Avançar.

  6. Selecione .NET 6.0 (Preview) na lista suspensa Framework e, em seguida, selecione Create to scaffold your C# class library.

Adicionar aprendizagem automática ao seu projeto

Depois que seu projeto de biblioteca de classes for aberto no Visual Studio, é hora de adicionar aprendizado de máquina a ele.

  1. No Gerenciador de Soluções do Visual Studio, clique com o botão direito do mouse em seu projeto.

  2. Selecione Adicionar>Modelo de Aprendizado de Máquina.

    Captura de tela que mostra seleções para adicionar um modelo de aprendizado de máquina a um projeto.

  3. Na lista de novos itens na caixa de diálogo Adicionar Novo Item, selecione Modelo de Aprendizado de Máquina (ML.NET).

  4. Na caixa de texto Nome , use o nome PredictiveMaintenanceModel.mbconfig para seu modelo e selecione Adicionar.

    Captura de tela que mostra seleções para criar um modelo.

Após alguns segundos, um arquivo chamado PredictiveMaintenanceModel.mbconfig é adicionado ao seu projeto.

Escolha o seu cenário

Na primeira vez que você adiciona um modelo de aprendizado de máquina a um projeto, a tela do Construtor de Modelos é aberta. Agora é hora de selecionar o seu cenário.

Para o seu caso de uso, você está tentando determinar se uma máquina está quebrada ou não. Como há apenas duas opções e você deseja determinar em qual estado uma máquina está, o cenário de classificação de dados é o mais apropriado.

Na etapa Cenário da tela Construtor de modelos, selecione o cenário de classificação de dados. Depois de selecionar esse cenário, você será imediatamente avançado para a etapa Ambiente .

Captura de tela que mostra seleções para escolher o cenário de classificação de dados.

Escolha o seu ambiente

Para cenários de classificação de dados, apenas ambientes locais que usam sua CPU são suportados.

  1. Na etapa Ambiente da tela Construtor de modelos, Local (CPU) é selecionado por padrão. Deixe o ambiente padrão selecionado.
  2. Selecione Próxima etapa.

Captura de tela que mostra seleções para escolher um ambiente de treinamento de computação local.

Carregue e prepare os seus dados

Agora que você selecionou seu cenário e ambiente de treinamento, é hora de carregar e preparar os dados coletados usando o Construtor de Modelos.

Prepare os seus dados

  1. Abra o arquivo no editor de texto de sua escolha.

  2. Os nomes das colunas originais contêm caracteres entre parênteses especiais. Para evitar problemas com a análise dos dados, remova os caracteres especiais dos nomes das colunas.

    Cabeçalho original:

    UDI,Product ID,Type,Air temperature [K],Process temperature [K],Rotational speed [rpm],Torque [Nm],Tool wear [min],Machine failure,TWF,HDF,PWF,OSF,RNF

    Cabeçalho atualizado:

    UDI,Product ID,Type,Air temperature,Process temperature,Rotational speed,Torque,Tool wear,Machine failure,TWF,HDF,PWF,OSF,RNF

  3. Salve o arquivo ai4i2020.csv com suas alterações.

Escolha o tipo de fonte de dados

O conjunto de dados de manutenção preditiva é um arquivo CSV.

Na etapa Dados da tela Construtor de Modelos, selecione Arquivo (csv, tsv, txt) para Tipo de fonte de dados.

Forneça a localização dos seus dados

Selecione o botão Procurar e use o explorador de arquivos para fornecer o local do conjunto de dados ai4i2020.csv .

Escolha a coluna da etiqueta

Escolha Falha da máquina na lista suspensa Coluna para prever (Rótulo ).

Captura de tela que mostra o carregamento de um conjunto de dados de arquivo C S V de manutenção preditiva.

Escolha opções avançadas de dados

Por padrão, todas as colunas que não são o rótulo são usadas como recursos. Algumas colunas contêm informações redundantes e outras não informam a previsão. Use as opções avançadas de dados para ignorar essas colunas.

  1. Selecione Opções avançadas de dados.

  2. Na caixa de diálogo Opções avançadas de dados, selecione a guia Configurações de coluna.

    Captura de tela que mostra a configuração de opções avançadas de dados para o conjunto de dados de manutenção preditiva.

  3. Configure as configurações da coluna da seguinte maneira:

    Colunas Propósito Tipo de dados Categórico
    IUD Ignorar Única
    ID do Produto Caraterística String
    Type Caraterística String X
    Temperatura do ar Caraterística Única
    Temperatura de processo Caraterística Única
    Velocidade de rotação Caraterística Única
    Binário Caraterística Única
    Desgaste da ferramenta Caraterística Única
    Falha da máquina Etiqueta Única X
    TWF Ignorar Única X
    HDF Ignorar Única X
    FQP Ignorar Única X
    OSF Ignorar Única X
    RNF Ignorar Única X

  4. Selecione Guardar.

  5. Na etapa Dados da tela Construtor de modelos, selecione Próxima etapa.

Preparar o modelo

Use o Construtor de Modelos e o AutoML para treinar seu modelo.

Defina o seu tempo de treino

O Construtor de Modelos define automaticamente por quanto tempo você deve treinar com base no tamanho do seu arquivo. Neste caso, para ajudar o Construtor de Modelos a explorar mais modelos, forneça um número maior para o tempo de treinamento.

  1. Na etapa Trem da tela Construtor de modelos, defina Tempo para treinar (segundos) como 30.
  2. Selecione Preparar.

Acompanhe o processo de treinamento

Captura de tela que mostra onde acompanhar o treinamento do modelo de classificação de manutenção preditiva.

Após o início do processo de treinamento, o Construtor de Modelos explora vários modelos. Seu processo de treinamento é controlado nos resultados do treinamento e na janela de saída do Visual Studio. Os resultados do treinamento fornecem informações sobre o melhor modelo que foi encontrado ao longo do processo de treinamento. A janela de saída fornece informações detalhadas, como o nome do algoritmo usado, quanto tempo levou para treinar e as métricas de desempenho para esse modelo.

Você pode ver o mesmo nome de algoritmo aparecer várias vezes. Isso acontece porque, além de tentar algoritmos diferentes, o Construtor de Modelos está tentando diferentes configurações de hiperparâmetros para esses algoritmos.

Avaliar o modelo

Use métricas e dados de avaliação para testar o desempenho do seu modelo.

Inspecione o seu modelo

A etapa Avaliar na tela Construtor de modelos permite inspecionar as métricas de avaliação e o algoritmo escolhidos para o melhor modelo. Lembre-se de que tudo bem se os seus resultados forem diferentes dos mencionados neste módulo, porque o algoritmo escolhido e os hiperparâmetros podem ser diferentes.

Testar o seu modelo

Na seção Experimente seu modelo da etapa Avaliar, você pode fornecer novos dados e avaliar os resultados de sua previsão.

Captura de tela que mostra fazendo previsões com seu modelo treinado.

A seção Dados de exemplo é onde você fornece dados de entrada para que seu modelo faça previsões. Cada campo corresponde às colunas que são usadas para treinar seu modelo. Esta é uma maneira conveniente de verificar se o modelo se comporta conforme o esperado. Por padrão, o Construtor de Modelos preenche previamente os dados de exemplo com a primeira linha do seu conjunto de dados.

Vamos testar seu modelo para ver se ele produz os resultados esperados.

  1. Na seção Dados de exemplo , insira os seguintes dados. Ele vem da linha em seu conjunto de dados com UID 161.

    Column Value
    ID do Produto L47340
    Type L
    Temperatura do ar 298.4
    Temperatura de processo 308.2
    Velocidade de rotação 1282
    Binário 60.7
    Desgaste da ferramenta 216

  2. Selecione Prever.

Avaliar os resultados da previsão

A seção Resultados exibe a previsão que seu modelo fez e o nível de confiança nessa previsão.

Se você olhar para a coluna Falha de máquina do UID 161 em seu conjunto de dados, notará que o valor é 1. Este é o mesmo que o valor previsto com a maior confiança na seção Resultados .

Se desejar, você pode continuar testando seu modelo com diferentes valores de entrada e avaliando as previsões.

Parabéns! Você treinou um modelo para prever falhas de máquina. Na próxima unidade, você aprenderá sobre o consumo de modelos.