predictive-maintenance

German Version

Beschreibung des Machine-Learning-Skripts V3 für MongoDB

pm_ml_example_vehicle_v3.py

Dieses Script wurde entwickelt, um prädiktive Wartungsmodelle zu erstellen, die auf Daten aus einer MongoDB-Datenbank basieren. Das Ziel ist es, mithilfe von Sensordaten und Informationen über frühere Wartungsaufträge und Defekte vorherzusagen, wann ein Fahrzeug möglicherweise einen Defekt erleiden könnte.

Hauptfunktionen des Scripts:

1. Verbindung zur MongoDB-Datenbank:
   • Das Script stellt eine Verbindung zu einer MongoDB-Datenbank her, um die benötigten Daten für die Analyse abzurufen.
2. Datenextraktion:
   • Extrahiert Fahrzeugdaten, Sensordaten, Werkstattaufträge und Defekte aus der Datenbank.
   • Daten werden mithilfe der Bibliothek pandas in DataFrames geladen, um eine effiziente Datenverarbeitung zu ermöglichen.
3. Datenvorverarbeitung:
   • Berechnet neue Merkmale wie age_in_years (Alter des Fahrzeugs in Jahren), past_workshop_count (Anzahl vergangener Werkstattaufträge), und avg_past_workshop_cost (durchschnittliche Kosten der bisherigen Reparaturen).
   • Ein binäres Merkmal defect_present wird erstellt, um Defekte zu markieren, die in einem bestimmten Kilometerbereich aufgetreten sind.
4. Feature Engineering:
   • Erzeugt numerische und kategorische Merkmale, die für das Machine-Learning-Modell verwendet werden.
   • Wandelt kategorische Merkmale mithilfe von One-Hot-Encoding in ein maschinenlesbares Format um und skaliert numerische Merkmale mit dem StandardScaler.
5. Modelltraining:
   • Das Script teilt die Daten in Trainings- und Testdatensätze und trainiert einen RandomForestClassifier mithilfe einer Pipeline, die die Vorverarbeitung und das Training kombiniert.
6. Modellbewertung:
   • Gibt einen Klassifikationsbericht aus, der die Leistung des Modells anhand von Metriken wie Präzision, Recall und F1-Score bewertet.
   • Berechnet die durchschnittliche Wahrscheinlichkeit eines Defekts und gibt eine zusammenfassende Vorhersage für jedes einzelne Fahrzeug aus.

Anwendungsfall:

Das Script ist ideal für Flottenmanager und Unternehmen, die prädiktive Wartungsstrategien implementieren möchten, um Fahrzeugausfälle zu vermeiden und die Wartungsplanung zu optimieren. Durch die Integration verschiedener KI-Techniken und Datenquellen unterstützt das Script eine präventive Instandhaltung und trägt zur Verbesserung der Betriebseffizienz bei.

Lizenz

Autor: Jörg Harzmann

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