Prova di fattibilità della manutenzione predittiva tramite l’IoT

Guida di riferimento dettagliata di Talend Big Data and Machine Learning

Leggi gli altri articoli della serie:

Configurazione di Sandbox

Valutazione dei rischi in tempo realeMotore di raccomandazioneOttimizzazione del data warehouse

Introduzione

In questo esempio viene illustrato come una grande azienda, con oltre 50.000 distributori automatici, possa sfruttare il potenziale dell'IoT (Internet of Things) e dell'apprendimento automatico per determinare la probabilità di guasto di un singolo distributore. L'azienda ha effettuato un investimento per incorporare sensori IoT in tutti i distributori automatici, con l'obiettivo di raccogliere specifici punti dati che vengono poi rinviati al repository centrale dei dati per essere analizzati. Per questo esempio viene utilizzato un file di dati non elaborati al fine di simulare l'IoT Data Collection Repository. Avendo come input questo file di dati, utilizzeremo le funzionalità di apprendimento automatico di Talend per creare un modello in grado di prevedere se un distributore necessita di manutenzione per evitare che si guasti.

Schema della manutenzione predittiva tramite IoT di Sandbox


In primo piano

Apprendimento automatico

Sfrutta tutta la potenza delle funzionalità di apprendimento automatico di Talend per creare un modello di foresta casuale.

Fai crescere il tuo business con Spark

Utilizza Spark per eseguire i job e trarre vantaggio dalla sua architettura scalabile e dalla forza dell'elaborazione distribuita.

Icona Internet of Things

Dati IoT

Scopri con noi come utilizzare i dati IoT per ottenere una manutenzione predittiva.


Esecuzione

Per le istruzioni sull'esecuzione veloce e l'interfaccia interattiva Web, accedi al portale dei casi d'uso sulla manutenzione predittiva tramite IoT dalla pagina di caricamento dell'ambiente Sandbox.

Manutenzione predittiva tramite IoT nella pagina di caricamento dell'ambiente Sandbox

Apri Talend Studio nell'ambiente Sandbox.Per questo esempio lavoreremo nella cartella IoTPredictiveMaintenance (Manutenzione predittiva tramite IoT) che si trova nella vista Repository. Esamineremo i job delle cartelle Standard e Big Data Batch di Job Designs (Progetti job). Quando sei pronto per iniziare, segui questi passaggi:

  1. Seleziona la cartella IoTPredictiveMaintenance inclusa nei job Standard. Esegui il job Step_01_SetupEnvironment. Questo job inizializza l'ambiente demo in base alla piattaforma di big data selezionata. Nello specifico, carica i dati in HDFS e crea un set di dati di preparazione e uno di test, nonché un terzo set di dati da utilizzare nella pagina Web della demo.Ambiente di configurazione della manutenzione predittiva tramite IoT di Sandbox
  2. Seleziona la cartella IoTPredictiveMaintenance inclusa nei job Big Data Batch. Esegui il job Step_02_Train_PredictiveMaintenance. In questa fase stiamo preparando un modello in base a un set di dati precedente utilizzando il componente tRandomForestModel.Il modello sarà memorizzato in HDFS.Modello di preparazione per la manutenzione predittiva tramite IoT di Sandbox
  3. Opzionale: seleziona la cartella IoTPredictiveMaintenance inclusa nei job Big Data Batch. Esegui il job Step_02_Test_PredictiveMaintenance.I risultati del job danno un'idea del rapporto tra previsioni corrette e falsi positivi, che nella terminologia dell'apprendimento automatico viene chiamato "matrice di confusione o errore" e rappresenta un riepilogo dei risultati della previsione relativi a un problema di classificazione. Come risultato ottimale si dovrebbe ottenere una percentuale di accuratezza superiore al 90%. Questo job funge da test del modello preparato su un set di dati separato. Modello di test per la manutenzione predittiva tramite IoT di Sandbox
  4. Seleziona la cartella IoTPredictiveMaintenance inclusa nei job Big Data Batch. Esegui il job Step_03_PredictMachinesMaintenance. Questo job fornirà una previsione, sulla base del modello precedentemente preparato e testato, degli interventi doi manutenzione necessari per il distributore automatico, utilizzando un set di dati simulato "live". Manutenzione predittiva tramite IoT di Sandbox - Previsione sui distributori
  5. Seleziona la cartella IoTPredictiveMaintenance inclusa nei job Standard. Esegui il job Step_04_WebService. Questo job fornisce semplicemente un'API Web alla pagina del portale delle demo in modo da poter visualizzare i risultati. Servizio Web di manutenzione predittiva tramite IoT di Sandbox
  6. Mentre il servizio Web è in esecuzione, apri o ricarica la pagina del portale della manutenzione predittiva tramite IoT per vedere tutti i distributori che, secondo il nostro modello, presto si guasteranno. Questi distributori richiedono una manutenzione preventiva. Dashboard dei distributori automatici

Conclusione

In questo esempio viene illustrato l'uso associato di dati di sensori IoT e apprendimento automatico per ottenere previsioni intelligenti. Talend Big Data Integration, associato all'elaborazione Spark, fornisce una soluzione solida e scalabile per garantire prestazioni rapide e affidabili. In questo caso prevediamo la probabilità che un distributore automatico necessiti di manutenzione prima di diventare inutilizzabile.

| Ultimo aggiornamento: Giugno 26th, 2019