Mantenimiento predictivo con el IoT – Prueba de concepto

Manual de Talend Big Data y Machine Learning

Eche un vistazo a las demás entregas de la serie:

Configuración de Sandbox

Evaluación de riesgos en tiempo realMotor de recomendacionesOptimización de almacenes de datos

Introducción

Este ejemplo muestra cómo una gran empresa, con más de 50 000 máquinas expendedoras, puede sacar partido de la potencia del IoT (Internet de las cosas) y el machine learning para determinar la probabilidad de una máquina particular de averiarse. La empresa ha invertido para integrar sensores de IoT en todas sus máquinas expendedoras con el fin de recabar datos concretos que luego se envían a un repositorio centralizado para ser analizados. En este ejemplo utilizaremos un archivo de datos en bruto para simular el Repositorio de recogida de datos de IoT. Con el archivo de datos como fuente, vamos a utilizar las capacidades de machine learning de Talend parar crear un modelo que prediga si una máquina requiere mantenimiento para prevenir posibles averías.

Esquema de mantenimiento predictivo con IoT para Sandbox


Lo más destacado

Machine Learning

Aproveche la potencia de las capacidades de machine learning de Talend para crear un modelo de bosque aleatorio.

Gane escala con Spark

Utilice Spark para ejecutar sus tareas y saque partido a su arquitectura escalable y a la potencia de su computación distribuida.

Icono de Internet de las cosas

Datos de IoT

Veamos cómo utilizamos datos de IoT para lograr un mantenimiento predictivo.


Ejecución

Acceda al portal de casos prácticos de mantenimiento predictivo con IoT desde la página de carga de Sandbox para obtener indicaciones de ejecución rápida y una interfaz web interactiva.

Página de carga de Sandbox - Mantenimiento predictivo con IoT

Abra Talend Studio en el entorno Sandbox. Para este ejemplo trabajaremos en la carpeta IoTPredictiveMaintenance que encontrará en la vista del repositorio. Analizaremos tareas de los diseños de tarea Standard y Big Data Batch. Cuando esté listo para empezar, realice los siguientes pasos:

  1. Navegue hasta la carpeta IoTPredictiveMaintenance en tareas Standard. Ejecute la tarea Step_01_SetupEnvironment. Esta tarea inicializa el entorno de demostración a partir de la plataforma de big data que haya elegido. Concretamente, carga los datos al HDFS y crea un conjunto de datos de entrenamiento y uno de pruebas, además de un tercer conjunto de datos en nuestra página web de demostración.Entorno de configuración de mantenimiento predictivo con IoT para Sandbox
  2. Navegue hasta la carpeta IoTPredictiveMaintenance en tareas Big Data Batch. Ejecute la tarea Step_02_Train_PredictiveMaintenance. En este paso entrenará un modelo basado en un conjunto de datos anterior mediante el componente tRandomForestModel. El modelo se guardará en el HDFS.Modelo de entrenamiento para mantenimiento predictivo con IoT para Sandbox
  3. Opcional: Navegue hasta la carpeta IoTPredictiveMaintenance en tareas Big Data Batch. Ejecute la tarea Step_02bis_Test_PredictiveMaintenance .Los resultados de esta tarea permiten visualizar la proporción de predicciones acertadas en comparación con los falsos positivos. En terminología de machine learning, a esto se le llama la matriz de confusión o de errores: un compendio de resultados de predicciones sobre un problema de clasificación. Debería obtener más de un 90 % de índice de exactitud. Esta tarea sirve como prueba de nuestro modelo de entrenamiento para un conjunto de datos diferenciado. Modelo de pruebas para mantenimiento predictivo con IoT para Sandbox
  4. Navegue hasta la carpeta IoTPredictiveMaintenance en tareas Big Data Batch. Ejecute la tarea Step_03_PredictMachinesMaintenance. Esta tarea predecirá el mantenimiento necesario de una máquina expendedora a partir del modelo entrenado y comprobado previamente mediante un conjunto de datos "Live" simulado. Máquinas de predicción para mantenimiento predictivo con IoT para Sandbox
  5. Navegue hasta la carpeta IoTPredictiveMaintenance en tareas Standard. Ejecute la tarea Step_04_WebService. Esta tarea sencillamente facilita una API web al portal de demostración y le permite visualizar los resultados. Servicio web de mantenimiento predictivo con IoT para Sandbox
  6. Una vez se está ejecutando el servicio web, navegue hasta el portal de mantenimiento predictivo de IoT o vuelva a cargarlo para ver todas las máquinas que nuestro modelo predice que se averiarán dentro de poco. Estas máquinas requerirán mantenimiento preventivo. Panel de control de las máquinas expendedoras

Conclusión

Este ejemplo ilustra el uso de los datos de sensores de IoT con machine learning para formular predicciones inteligentes. Talend Big Data Integration con procesamiento en Spark ofrece una solución robusta y escalable para lograr un rendimiento rápido y fiable. En este caso, estamos prediciendo la probabilidad de que una máquina expendedora necesite mantenimiento antes de que deje de funcionar.

| Last Updated: junio 26th, 2019