Inleiding
U werkt voor een productiebedrijf dat gebruikmaakt van industriële apparaten en apparatuur als onderdeel van zijn activiteiten. Wanneer een van deze apparaten wordt verbroken, kost het uw bedrijf tijd en geld. Daarom is het uitvoeren van onderhoud op deze apparaten belangrijk.
Scenario: Predictief onderhoud
Er zijn veel verschillende factoren, zoals gebruik, die van invloed zijn op de noodzaak van onderhoud. Geen enkel apparaat is hetzelfde. Proactief zijn met onderhoud kan helpen bij het minimaliseren van de tijd en het geld dat uw bedrijf besteedt wanneer een apparaat wordt verbroken. Tot nu toe hebt u handmatig bijgehouden welke apparaten onderhoud vereisen. Naarmate uw bedrijf wordt uitgebreid, wordt dit proces moeilijker te beheren.
Wat gebeurt er als u voorspellingen kunt automatiseren wanneer een apparaat onderhoud nodig heeft met behulp van sensorgegevens?
Machine learning kan u helpen bij het analyseren van historische gegevens van deze sensoren. Machine learning kan ook leerpatronen omvatten om te voorspellen of een machine onderhoud nodig heeft of niet.
U wilt profiteren van uw .NET-vaardigheden en vertrouwde hulpprogramma's zoals Visual Studio gebruiken om een oplossing te bouwen, maar u hebt niet veel ervaring met machine learning. Als gevolg hiervan hebt u besloten om ML.NET te gebruiken, een opensource-framework voor machine learning voor .NET. U gebruikt ook de Visual Studio-extensie van het framework, Model Builder, om uw machine learning-model te bouwen.
Wat leer je?
In deze module leert u wat Model Builder is, hoe u deze kunt gebruiken om machine learning-modellen te trainen en hoe u deze modellen in .NET-toepassingen gebruikt.
Wat is het belangrijkste doel?
Het doel van deze module is om u te laten zien hoe u machine learning-modellen gebruikt om zakelijke problemen in de praktijk op te lossen.