Analysis and classification of texts for industrial machines maintenance.

Abstract

Análise e classificação de textos são importantes tarefas em mineração de dados. Através de tais tarefas conseguimos, a partir de dados brutos, extrair ou gerar informações relevantes que podem ser usadas para resolver problemas ou melhorar soluções já existentes. Este trabalho aborda uma solução para o problema em que dado uma descrição textual para um erro de uma máquina industrial, o classificador deve atribuir um código de erro para a tal descrição. Uma solução computacional que resolva tal problema pode contribuir para agilização no processo de manutenção, diminuindo o tempo de inatividade das máquinas e reduzindo o custo dos erros de alocação de técnicos. Neste trabalho, nós testamos três métodos de aprendizado de máquina com uma base de dados de históricos textuais em inglês que contém as descrições de erro, e as técnicas são: Support Vector Machine (SVM), Random Forest e FastText. Uma importante inovação deste trabalho é um caso de estudo para a literatura na área de aprendizado de máquina, no qual o número de classes a serem identificadas é alta, passando de 1200 diferentes classes. Em contrapartida, o estado da arte em classificação de textos descreve casos de estudo com apenas dezenas de classes. Os resultados usando uma estratégia de 5-fold cross validation e IRace para configurar os parâmetros de entrada dos três classificadores alcançaram altos f1- score para quase todos os métodos avaliados, com os resultados variando precisamente entre 67,5 e 94,92% em um conjunto de dados composto por mais de 800 mil descrições textuais curtas. O FastText provou ser mais rápido que os outros, precisamente 4 vezes mais rápido que o SVM e 1,3 vezes mais rápido que o Random Forest.