predictive-maintenance

German Version

Beschreibung der Machine-Learning-Klasse V4 für MongoDB

pm_ml_class_vehicle_v4.py

Klassenbeschreibung

Die Klasse PredictiveMaintenanceAnalyzer führt eine prädiktive Analyse zur Wartung von Fahrzeugen durch. Sie greift auf eine MongoDB-Datenbank zu, um Sensordaten, Werkstattaufträge und Defektdaten eines spezifischen Fahrzeugs abzurufen und verarbeitet diese, um Anomalien in den Sensordaten zu identifizieren und Machine-Learning-Modelle zur Vorhersage von Defekten zu trainieren und zu bewerten. Die Ergebnisse werden anschließend gespeichert und bei Bedarf in einer MongoDB-Collection abgelegt.

Attribute

• client: MongoDB-Verbindung (Typ: MongoClient)
• db: Datenbank-Objekt für die Verbindung zur MongoDB
• vehicle_id: Fahrzeug-ID für die Analyse
• results: Dictionary zur Speicherung der Analyseergebnisse

Methoden

• __init__(self, client, db_name, vehicle_id): Initialisiert die Klasse mit einer MongoDB-Verbindung, dem Datenbanknamen und der Fahrzeug-ID.
• analyze_vehicle(self): Führt die Datenanalyse, Anomalieerkennung und Defektvorhersage durch. Berechnet Metriken wie classification_report und fügt diese zu results hinzu.
• detect_anomalies(self, sensor_df, vehicle_id): (Hilfsmethode) Ermittelt Anomalien in den Sensordaten und fügt die Anzahl der Anomalien pro Sensortyp zu den Ergebnissen hinzu. Visualisiert die Anomalien als Diagramme.

UML-Klassendiagramm

Hier ist eine UML-Darstellung der Klasse PredictiveMaintenanceAnalyzer:

+----------------------------------------------+
|          PredictiveMaintenanceAnalyzer       |
+----------------------------------------------+
| - client: MongoClient                        |
| - db: Database                               |
| - vehicle_id: str                            |
| - results: dict                              |
+----------------------------------------------+
| + __init__(client: MongoClient, db_name: str,|
|             vehicle_id: str)                 |
| + analyze_vehicle() -> dict                  |
| + detect_anomalies(sensor_df: DataFrame,     |
|                    vehicle_id: str) -> dict  |
+----------------------------------------------+

In dieser Darstellung:

• Attribute sind als private Attribute definiert, z. B. client, db, vehicle_id, und results.
• Methoden sind als öffentliche Methoden der Klasse definiert:
  • __init__ ist der Konstruktor der Klasse.
  • analyze_vehicle ist die Hauptanalysemethode.
  • detect_anomalies ist eine Hilfsmethode zur Erkennung von Anomalien in den Sensordaten.

Dieses Diagramm gibt einen klaren Überblick über die Struktur und Funktionalität der Klasse.

Lizenz

Autor: Jörg Harzmann

Dieser Inhalt ist unter einer CC BY-NC Lizenz veröffentlicht. Jeglicher Quellcode ist urheberrechtlich geschützt!