Introduction
Ön egy olyan gyártó vállalatnál dolgozik, amely az üzemeltetés részeként ipari eszközöket és berendezéseket használ. Ha az egyik eszköz meghibásodik, az a céges időbe és pénzbe kerül. Ezért fontos a karbantartás elvégzése ezeken az eszközökön.
Forgatókönyv: Prediktív karbantartás
A karbantartás szükségességét számos különböző tényező befolyásolja, például a használat. Egyetlen eszköz sem ugyanaz. Ha proaktívan kezeli a karbantartást, azzal minimalizálhatja a vállalat által az eszköz leállásakor töltött időt és pénzt. Eddig manuálisan nyomon követte, hogy mely eszközök igényelnek karbantartást. A vállalat terjeszkedése során ez a folyamat nehezebbé válik.
Mi a teendő, ha automatizálhatja az előrejelzést, ha egy eszköz karbantartást igényel az érzékelőadatok használatával?
A gépi tanulás segíthet elemezni az érzékelők előzményadatait. A gépi tanulás olyan tanulási mintákat is tartalmazhat, amelyek segítenek előre jelezni, hogy egy gépnek karbantartásra van-e szüksége.
Szeretné kihasználni a .NET-készségeit, és olyan ismerős eszközöket használni, mint a Visual Studio, hogy megoldást építsen, de nincs sok tapasztalata a gépi tanulásban. Ennek eredményeképpen úgy döntött, hogy a .NET-hez készült nyílt forráskódú gépi tanulási keretrendszert, a ML.NET használja. A keretrendszer Visual Studio-bővítményét, a Model Buildert is használni fogja a gépi tanulási modell létrehozásához.
Mit tanulsz?
Ebben a modulban megtudhatja, hogy mi a Model Builder, hogyan taníthat be gépi tanulási modelleket, és hogyan használhatja fel ezeket a modelleket a .NET-alkalmazásokban.
Mi a fő cél?
Ennek a modulnak a célja, hogy bemutassa a gépi tanulási modellek valós üzleti problémák megoldására való használatának folyamatát.