Einführung
Sie arbeiten für ein Fertigungsunternehmen, das industrielle Geräte und Ausrüstung einsetzt. Wenn eines dieser Geräte ausfällt, kostet dies Ihrem Unternehmen Zeit und Geld. Aus diesem Grund sind Wartungsarbeiten auf diesen Geräten wichtig.
Szenario: Predictive Maintenance
Es gibt viele verschiedene Faktoren, wie z. B. die Nutzung, die sich auf die Notwendigkeit einer Wartung auswirken. Und kein Gerät ist wie das andere. Eine proaktive Wartung kann dazu beitragen, beim Ausfall eines Geräts den Zeitaufwand und die Kosten für Ihr Unternehmen zu minimieren. Bisher haben Sie manuell nachverfolgt, welche Geräte gewartet werden müssen. Wenn Ihr Unternehmen expandiert, lässt sich dieser Prozess schwieriger verwalten.
Was wäre, wenn Sie mithilfe von Sensordaten automatisch vorhersagen könnten, wann ein Gerät gewartet werden muss?
Machine Learning kann Sie dabei unterstützen, Verlaufsdaten dieser Sensoren zu analysieren. Machine Learning kann auch das Erlernen von Mustern beinhalten, mit deren Hilfe Sie vorhersagen können, ob eine Maschine gewartet werden muss oder nicht.
Sie möchten Ihre .NET-Kenntnisse nutzen und vertraute Tools wie Visual Studio verwenden, um eine Lösung zu erstellen, aber Sie haben nicht viel Erfahrung im Bereich Machine Learning. Daher haben Sie sich für ML.NET entschieden, ein Open-Source-Framework für maschinelles Lernen für .NET. Darüber hinaus verwenden Sie die Visual Studio-Erweiterung des Frameworks, Model Builder, um Ihr Machine Learning-Modell zu erstellen.
Lernziele
In diesem Modul erfahren Sie, was Model Builder ist, wie Sie damit Machine Learning-Modelle trainieren und diese Modelle in .NET-Anwendungen nutzen.
Was ist das Hauptziel?
Das Ziel dieses Moduls besteht darin, Ihnen den Prozess der Verwendung von Machine Learning-Modellen zur Lösung realer Geschäftsprobleme zu zeigen.