Predictive Maintenance Using Machine Learning은 기계 학습(ML) 모델과 터보팬 성능 저하 시뮬레이션 데이터의 예제 데이터 집합을 배포하여 잠재적 장비 장애를 인식하도록 모델을 훈련합니다.
이 지침을 사용하여 잠재적인 장비 장애 감지를 자동화하고 수행해야 하는 권장 작업을 제공할 수 있습니다. 이 지침은 배포가 쉽고 예제 데이터 집합을 포함하지만 모든 데이터 집합에서 작동하도록 솔루션을 수정할 수 있습니다.
개요
Predictive Maintenance Using Machine Learning을 구현하면 예제 데이터 집합 또는 자체 데이터 집합에서 자동화된 데이터 처리를 실행할 수 있습니다. 포함된 ML 모델은 잠재적인 장비 장애를 감지하고 수행해야 하는 권장 조치를 제공합니다. 아래의 다이어그램은 GitHub의 예제 코드를 사용하여 구축할 수 있는 아키텍처를 보여줍니다.
Predictive Maintenance Using Machine Learning 아키텍처
이 코드는 Amazon Simple Storage Service(Amazon S3) 버킷 및 남은 수명(RUL)을 예측하기 위해 데이터 집합에서 훈련을 받게 될 ML 모델이 있는 Amazon SageMaker 엔드포인트에 포함된 터보팬 성능 저하 시뮬레이션의 예제 데이터 집합을 배포합니다.
Predictive Maintenance Using Machine Learning은 SageMaker 노트북 인스턴스를 사용하여 모델을 오케스트레이션하고 SageMaker 훈련 인스턴스를 사용하여 훈련을 수행합니다. 훈련 코드와 훈련된 모델은 솔루션의 Amazon S3 버킷에 저장됩니다.
이 지침은 또한 매일 한 번 실행하도록 구성된 Amazon CloudWatch Events 규칙을 배포합니다. 이 규칙은 AWS Lambda 함수를 트리거하여 예제 데이터 집합으로부터 RUL을 예측하기 위해 훈련된 모델을 사용하는 Amazon SageMaker 배치 변환 작업을 생성하도록 구성되어 있습니다.
기본적으로 이 코드는 예제 데이터 집합의 RUL을 예측하도록 구성됩니다. 자체 데이터 집합을 사용하려면 코드를 수정해야 합니다.
