Resumo
Neste módulo, consideramos o cenário da implantação de um algoritmo de manutenção preditiva em bombas localizadas remotamente (setor de petróleo e gás). A empresa já estava capturando dados de sensores localizados no campo, mas queria implantar algoritmos de manutenção preditiva em dispositivos de borda. Para superar o descompasso de dados, a empresa quis treinar novamente os algoritmos de maneira automática.
O MLOps permite gerenciar o processo de desenvolvimento e implantação de modelos de ponta a ponta. Os modelos de machine learning podem ser criados, monitorados e validados com a mínima intervenção. Os modelos podem ser implantados em dispositivos de borda (bombas) e podem ser executados offline, se necessário. Novos treinamentos frequentes e automáticos dos modelos verificam se a versão mais atualizada do modelo está em execução nos dispositivos.
Na ausência da estratégia de MLOps, os modelos implantados podem retornar resultados que não refletem o estado atual dos dados. Esses resultados podem ser enganosos ou até mesmo incorretos.
Ao implantar MLOps, você pode perceber o valor dos seus modelos e reter esse valor com o tempo mantendo o modelo atualizado por meio de novos treinamentos. A empresa pode conquistar economias substanciais em custos de manutenção e produção e aumentar a segurança do local de trabalho e o impacto ambiental com esses objetivos.