Resumen
En este módulo se explora la implementación de un algoritmo de mantenimiento predictivo para bombas ubicadas de forma remota en el sector del petróleo y el gas. La empresa captura datos de sensores de campo, pero quiere implementar algoritmos de mantenimiento predictivo en dispositivos perimetrales. Para abordar el desfase de datos, la empresa tiene como objetivo volver a entrenar automáticamente los algoritmos.
MLOps le permite administrar el desarrollo y la implementación de modelos de un extremo a otro. Puede compilar, supervisar y validar modelos de aprendizaje automático con una intervención mínima. Estos modelos se pueden implementar en dispositivos perimetrales como bombas y ejecutarse sin conexión si es necesario. El reentrenamiento automático frecuente garantiza que se ejecute el modelo de fecha más reciente en los dispositivos.
Sin una estrategia de MLOps, los modelos implementados podrían devolver resultados que no reflejen el estado actual de los datos. Estos resultados pueden ser engañosos o incorrectos.
La implementación de MLOps le ayuda a comprender y conservar el valor de los modelos al mantenerlos actualizados mediante el reentrenamiento. La empresa puede ahorrar significativamente en costos de mantenimiento y producción, mejorar la seguridad del lugar de trabajo y reducir su impacto ambiental.