יישום מודל AI לחיזוי תקלות במכשירים
מודל AI לטובת חיזוי תקלות משביתות במכשירים של הלקוח המוצבים אצל לקוחותיו ברחבי העולם
אנחנו כאןיצרן מכשירי אנליזה ביולוגית. מדובר במכשירים היודעים לקבל דגימות ביולוגיות, כגון בדיקות דם ולנתח לטובת מדדים ואינדיקטורים. מכשירי הלקוח מותקנים במעבדות רפאויות ברחבי העולם.
חיזוי של תקלה משביתה במכשיר המותקן באתר לקוח לטובת ביצוע תחזוקה מונעת.
רוב העסקאות הם בצורת "ליסינג" על המכשירים ותשלום לפי מספר האנליזות שמבוצעות במכשיר. המשמעות היא שכאשר מכשיר מושבת, ההכנסה של היצרן נפגעת מיידית. לכן קריטי כל כך לחזות מראש תקלות צפויות במכשירים אלה על מנת לבצע טיפול מונע ולמנוע את ההשבתה.
השיטה: איסוף נתוני הלוגים המיוצרים על ידי כלל המכונות בכל העולם, כל העת.
טיוב, ארגון ומניפולציה על הנתונים באופן שיאפשר הרצת מודלי Machine Learning.
לאחר מכן ביצוע ניסויי הרצה של מודלים סטטיסטיים עד להגעה לדיוק מספק של חיזוי.
התוצאה: מודל חיזוי המאפשר זיהוי של תקלה משביתה במכונה ספציפית בחודש הקרוב. זיהוי זה מאפשר ביצוע תחזוקה מונעת שתמנע את השבתת המכונה.
המודל המיטבי, לאחר מספר רב של איטרציות, הוא מודל המבוסס על Deep Learning המציג את מבחן ROC מצויין (שילוב בין דיוק מודל לבין טעות סדר ראשון ושני) כפי שמופיע בגרף למעלה.