predictive-maintenance

German Version

Beschreibung des Machine-Learning-Skripts V3 für MongoDB

Beschreibung des Scripts “ML Script MongoDB Latest”

Das Script pm_ml_example_fleet_v3.py dient zur prädiktiven Analyse und Vorhersage möglicher Defekte in Fahrzeugen basierend auf Sensordaten, Werkstattaufträgen und Defektdaten, die in einer MongoDB-Datenbank gespeichert sind. Es kombiniert Datenverarbeitung, Modelltraining und Vorhersagen, um eine umfassende Analyse durchzuführen.

Hauptfunktionen des Scripts:

1. Verbindung zur MongoDB-Datenbank:
   • Das Skript verbindet sich mit einer MongoDB-Datenbank (predictive_maintenance_db), um Fahrzeug-, Sensor-, Werkstatt- und Defektdaten abzurufen.
2. Datenabfrage und Vorverarbeitung:
   • Alle verfügbaren Fahrzeugdaten, Sensordaten, Werkstattaufträge und Defekte werden abgerufen und in Pandas DataFrames konvertiert.
   • Sensordaten werden um das Merkmal defect_present ergänzt, um anzugeben, ob ein Defekt in der Nähe eines bestimmten Kilometerstands aufgetreten ist.
   • Zusätzliche Merkmale wie past_workshop_count, avg_past_workshop_cost, past_defect_count und age_in_years werden berechnet, um die Daten für das Modelltraining anzureichern.
3. Feature Engineering:
   • Numerische Merkmale wie value, mileage, age_in_years und andere werden extrahiert.
   • Kategorische Merkmale wie sensorType werden durch One-Hot-Encoding in das Modell integriert.
4. Modelltraining und -bewertung:
   • Die Daten werden in Trainings- und Testdaten aufgeteilt.
   • Ein RandomForestClassifier wird in einer Pipeline verwendet, die die Datenvorverarbeitung und das Modelltraining umfasst.
   • Nach dem Training wird das Modell auf den Testdaten bewertet, und ein Klassifizierungsbericht wird ausgegeben.
5. Vorhersagen und Auswertung:
   • Das Modell berechnet die Vorhersagen für die gesamte Datensatzbasis und gibt eine zusammenfassende Vorhersage aus, die angibt, mit welcher durchschnittlichen Wahrscheinlichkeit ein Defekt auftreten kann.

Ergebnis:

• Die durchschnittliche Wahrscheinlichkeit für das Auftreten eines Defekts wird berechnet und in Prozent ausgegeben, um eine zusammenfassende Einschätzung des Defektrisikos für die Fahrzeuge zu bieten.

Dieses Skript ist nützlich für die prädiktive Wartung, um frühzeitig Defekte zu erkennen und präventive Maßnahmen zu ergreifen, die Fahrzeugausfälle minimieren können.

Lizenz

Autor: Jörg Harzmann

Dieser Inhalt ist unter einer CC BY-NC Lizenz veröffentlicht.