Разработать модель машинного обучения

Цель: Повышение качества прогнозирования вероятности брака на производстве на основе исторических данных с возможностью интеграции предиктивной модели в процесс производства в режиме реального времени.

Ключевые задачи:

1. Работа с историческими данными:
   1) исторические данные о браке хранятся в виде таблиц;
   2) Анализ и подготовка данных для обучения модели (очистка, обработка, формирование выборок).
2. Интеграция с 1С:
   1) настройка взаимодействия модели с системой 1С для получения данных в реальном времени. 2) Реализация механизма передачи результата работы модели обратно в 1С.
3. Разработка и доработка модели:
   1) использование CatBoost или аналогичных инструментов для создания/оптимизации модели предиктивной аналитики.
   2) Учет особенностей данных: брака сырья, брака на этапах производства и других факторов.
4. Тестирование:
   1) Оценка точности модели на тестовой выборке.
   2) Проверка корректности работы модели в режиме реального времени с 1С.
5. Разработка рекомендаций:
   Предоставление выводов и предложений для минимизации брака на основе предсказаний модели.

Технические детали:

1. Хранение данных: Исторические данные о браке представлены в виде таблиц
2. Получение данных из базы 1С в реальном времени через SQL-запросы или встроенные механизмы 1С.
3. Возврат предсказаний модели в 1С (например, для отображения результата или отправки на следующий этап обработки).

Требования к исполнителю:

• Уверенные знания алгоритмов машинного обучения (CatBoost, другие алгоритмы для табличных данных).
• Опыт интеграции моделей в системы реального времени, особенно с 1С.
• Умение работать с SQL-запросами и данными из 1С.
• Навыки предобработки табличных данных и оптимизации моделей.
  
  Желателен опыт работы с промышленными процессами или данными пищевой отрасли.

Ожидаемые результаты:

1. Модель: модель с точными прогнозами вероятности брака.
2. Настройка сценария обработки данных в режиме реального времени.
3. Отчет: Подробная документация с описанием модели, её метрик и рекомендаций по внедрению.

Срок выполнения проекта: 1 месяц.