Geschäftskontext
Ein Fertigungsunternehmen verwendet ein vorausschauendes Wartungsmodell, um die Wahrscheinlichkeit eines Maschinenausfalls basierend auf Echtzeit-Sensordaten zu bewerten. Aufgrund von Netzwerkproblemen oder Sensordefekten enthalten die eingehenden Daten manchmal fehlende Werte. Es muss sichergestellt werden, dass der Scoring-Prozess nicht fehlschlägt und die fehlenden Werte korrekt behandelt.
Datenaufbereitung
Erstellt eine Tabelle mit Sensordaten, in die absichtlich fehlende Werte für einige Beobachtungen und Sensoren eingefügt werden.
Kopiert!
| 1 | DATA mycas.sensor_daten_unvollstaendig; |
| 2 | call streaminit(789); |
| 3 | DO MaschinenID = 1 to 100; |
| 4 | Sensor_A = 100 + rand('NORMAL', 0, 5); |
| 5 | Sensor_B = 500 + rand('NORMAL', 0, 25); |
| 6 | Sensor_C = rand('UNIFORM') * 10; |
| 7 | IF mod(MaschinenID, 10) = 0 THEN call missing(Sensor_B); |
| 8 | IF mod(MaschinenID, 25) = 0 THEN call missing(Sensor_A, Sensor_C); |
| 9 | OUTPUT; |
| 10 | END; |
| 11 | RUN; |
Étapes de réalisation
1
Annahme: Ein trainiertes Ausfallmodell 'maschinen_ausfall_modell' existiert in mycas. Die unvollständigen Sensordaten werden geladen.
Kopiert!
| 1 | |
| 2 | PROC CASUTIL; |
| 3 | load |
| 4 | DATA=mycas.sensor_daten_unvollstaendig casout='sensor_daten_unvollstaendig' replace; |
| 5 | RUN; |
| 6 |
2
Führt bart.bartScore auf den Daten mit fehlenden Werten aus. Berechnet Vorhersage und Residuen.
Kopiert!
| 1 | PROC CAS; |
| 2 | bart.bartScore / |
| 3 | restore={name='maschinen_ausfall_modell', caslib='mycas'}, |
| 4 | TABLE={name='sensor_daten_unvollstaendig', caslib='mycas'}, |
| 5 | pred='AusfallWahrscheinlichkeit', |
| 6 | resid='Residuum', |
| 7 | copyVars={'MaschinenID', 'Sensor_A', 'Sensor_B', 'Sensor_C'}, |
| 8 | casOut={name='ausfall_prognose_mit_fehlern', caslib='mycas', replace=true}; |
| 9 | RUN; |
3
Filtert die Ergebnistabelle, um die Zeilen anzuzeigen, in denen die Eingabedaten fehlten, und überprüft, ob die Vorhersagen ebenfalls fehlen.
Kopiert!
| 1 | PROC CAS; |
| 2 | TABLE.fetch / |
| 3 | TABLE={name='ausfall_prognose_mit_fehlern', caslib='mycas', |
| 4 | where='AusfallWahrscheinlichkeit is missing'}; |
| 5 | RUN; |
Erwartetes Ergebnis
Die Aktion wird ohne Fehler abgeschlossen. Die Ausgabetabelle 'mycas.ausfall_prognose_mit_fehlern' wird erstellt. Für jede Zeile in der Eingabetabelle, die einen fehlenden Wert in einer der Prädiktorvariablen hatte, sind die resultierenden Spalten 'AusfallWahrscheinlichkeit' und 'Residuum' ebenfalls fehlend. Dies beweist, dass die Aktion robust gegenüber unvollständigen Daten ist und fehlende Werte korrekt propagiert, anstatt den Prozess abzubrechen.