Predictive Maintenance - Machine RUL Regressor
Model ini adalah regressor berbasis Random Forest untuk memprediksi Remaining Useful Life (RUL) atau sisa masa operasional aman (dalam satuan hari) dari mesin-mesin industri sebelum mengalami kerusakan mekanikal berikutnya.
Model ini merupakan bagian inti dari Sistem Laporan & Pencegahan Kerusakan Preventif berbasis AI.
π Detail Model & Fitur
Model dilatih menggunakan algoritma RandomForestRegressor (100 estimators) dengan fitur-fitur masukan (tabular features) sebagai berikut:
days_since_last_failure(int): Jumlah hari sejak kerusakan mekanikal terakhir terjadi pada mesin.fail_last_30d(int): Frekuensi kerusakan mesin dalam rentang waktu 30 hari terakhir.mtbf(float): Mean Time Between Failures (historis rata-rata jarak antarkerusakan mesin tersebut).
Target Output:
target_rul(float): Prediksi jumlah hari tersisa sebelum mesin diprediksi akan mengalami kerusakan berikutnya.
π Cara Menggunakan Model
Anda dapat memuat model ini menggunakan Python dengan library pickle dan scikit-learn setelah mengunduh file .pkl:
import pickle
import pandas as pd
# 1. Unduh file 'predictive_rf_model.pkl' dari Hub
# 2. Muat file model menggunakan pickle
with open("predictive_rf_model.pkl", "rb") as f:
model_data = pickle.load(f)
# Model acuan
rf_model = model_data['rf_model']
df_mtbf = model_data['df_mtbf']
print("Model terdaftar untuk mesin:", model_data['failing_machines'])
print("Tanggal Pelatihan:", model_data.get('trained_at'))
# 3. Jalankan prediksi kustom
# Contoh: Mesin dengan 10 hari sejak rusak terakhir, 1 kerusakan dalam 30 hari, MTBF 42 hari
features = pd.DataFrame([{
'days_since_last_failure': 10,
'fail_last_30d': 1,
'mtbf': 42.0
}])
pred_rul = rf_model.predict(features)[0]
print(f"Prediksi Sisa Umur Mesin (RUL): {pred_rul:.1f} Hari")
π οΈ Persyaratan Library
Untuk menjalankan model ini, pastikan versi library berikut sudah terinstal di environment Anda:
scikit-learn>=1.3.0pandas>=2.0.0numpy>=1.24.0
Model Card ini dihasilkan secara otomatis oleh Asisten AI Antigravity.