Upload README.md with huggingface_hub

README.md

@@ -0,0 +1,76 @@
+---
+language: id
+license: mit
+tags:
+- tabular
+- random-forest
+- predictive-maintenance
+- rul-prediction
+- scikit-learn
+metrics:
+- mean-absolute-error
+pretty_name: Predictive Maintenance Random Forest Regressor
+---
+
+# 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**.
+
+## 📊 Detail Model & Fitur
+
+Model dilatih menggunakan algoritma `RandomForestRegressor` (100 estimators) dengan fitur-fitur masukan (*tabular features*) sebagai berikut:
+
+1. **`days_since_last_failure`** (int): Jumlah hari sejak kerusakan mekanikal terakhir terjadi pada mesin.
+2. **`fail_last_30d`** (int): Frekuensi kerusakan mesin dalam rentang waktu 30 hari terakhir.
+3. **`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.
+
+---
+
+## 🚀 Cara Menggunakan Model
+
+Anda dapat memuat model ini menggunakan Python dengan library `pickle` dan `scikit-learn` setelah mengunduh file `.pkl`:
+
+```python
+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")
+```
+
+---
+
+## 🛠️ Persyaratan Library
+
+Untuk menjalankan model ini, pastikan versi library berikut sudah terinstal di environment Anda:
+- `scikit-learn>=1.3.0`
+- `pandas>=2.0.0`
+- `numpy>=1.24.0`
+
+---
+*Model Card ini dihasilkan secara otomatis oleh Asisten AI Antigravity.*