Tiago Yukio Fujii, Wilson Vicente Ruggiero, Haroldo L. M. do Amaral, Victor Takashi Hayashi, Reginaldo Arakaki, Khalil Ahmad Khalil
{"title":"应用MLOps预测能源消耗的挑战","authors":"Tiago Yukio Fujii, Wilson Vicente Ruggiero, Haroldo L. M. do Amaral, Victor Takashi Hayashi, Reginaldo Arakaki, Khalil Ahmad Khalil","doi":"10.1109/INDUSCON51756.2021.9529843","DOIUrl":null,"url":null,"abstract":"Modelos de previsão do consumo energético residencial a curto prazo (horizonte de horas ou dias) permitem a seus usuários planejar e tomar decisões de modo a reduzir seu consumo. Entretanto, grande parte dos trabalhos acadêmicos nesta área utiliza ambientes offline para experimentação, desconsiderando os desafios de automatização, monitoramento e atualização de modelos em ambientes online. Neste artigo são apresentados os desafios e soluções em estudo de caso, detalhando a implantação em cenário real online de modelos de previsão de consumo em 4 residências brasileiras no período de 2020. Concluiu-se que o uso de boas práticas e métricas para o desenvolvimento em ambientes online não só aumentaram a acurácia das previsões, como também facilitaram o desenvolvimento dos modelos e auxiliaram na velocidade de experimentação e reprodutibilidade de resultados.","PeriodicalId":344476,"journal":{"name":"2021 14th IEEE International Conference on Industry Applications (INDUSCON)","volume":"29 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-08-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":"{\"title\":\"Desafios para Aplicação de MLOps na Previsão do Consumo Energético\",\"authors\":\"Tiago Yukio Fujii, Wilson Vicente Ruggiero, Haroldo L. M. do Amaral, Victor Takashi Hayashi, Reginaldo Arakaki, Khalil Ahmad Khalil\",\"doi\":\"10.1109/INDUSCON51756.2021.9529843\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Modelos de previsão do consumo energético residencial a curto prazo (horizonte de horas ou dias) permitem a seus usuários planejar e tomar decisões de modo a reduzir seu consumo. Entretanto, grande parte dos trabalhos acadêmicos nesta área utiliza ambientes offline para experimentação, desconsiderando os desafios de automatização, monitoramento e atualização de modelos em ambientes online. Neste artigo são apresentados os desafios e soluções em estudo de caso, detalhando a implantação em cenário real online de modelos de previsão de consumo em 4 residências brasileiras no período de 2020. Concluiu-se que o uso de boas práticas e métricas para o desenvolvimento em ambientes online não só aumentaram a acurácia das previsões, como também facilitaram o desenvolvimento dos modelos e auxiliaram na velocidade de experimentação e reprodutibilidade de resultados.\",\"PeriodicalId\":344476,\"journal\":{\"name\":\"2021 14th IEEE International Conference on Industry Applications (INDUSCON)\",\"volume\":\"29 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-08-15\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"1\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"2021 14th IEEE International Conference on Industry Applications (INDUSCON)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.1109/INDUSCON51756.2021.9529843\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"2021 14th IEEE International Conference on Industry Applications (INDUSCON)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1109/INDUSCON51756.2021.9529843","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Desafios para Aplicação de MLOps na Previsão do Consumo Energético
Modelos de previsão do consumo energético residencial a curto prazo (horizonte de horas ou dias) permitem a seus usuários planejar e tomar decisões de modo a reduzir seu consumo. Entretanto, grande parte dos trabalhos acadêmicos nesta área utiliza ambientes offline para experimentação, desconsiderando os desafios de automatização, monitoramento e atualização de modelos em ambientes online. Neste artigo são apresentados os desafios e soluções em estudo de caso, detalhando a implantação em cenário real online de modelos de previsão de consumo em 4 residências brasileiras no período de 2020. Concluiu-se que o uso de boas práticas e métricas para o desenvolvimento em ambientes online não só aumentaram a acurácia das previsões, como também facilitaram o desenvolvimento dos modelos e auxiliaram na velocidade de experimentação e reprodutibilidade de resultados.