PUMPING EFFICIENCY APPARATUS AND METHOD

Embodiments provide functionality to control real-world mechanical systems through the creation and deployment of machine learning models. An embodiment creates the machine learning model by extracting (i) an indication of efficiency and (ii) values of operational characteristics of one or more devices from one or more characteristic curves. Each characteristic curve corresponds to a respective device of one or more devices, in a mechanical system, functioning at a given speed. A training data set is created by determining efficiency and values of the operational characteristics for the mechanical system functioning with multiple combinations of the one or more devices operating at each of a plurality of speeds using the extracted indication of efficiency and extracted values of the operational characteristics. In turn, the machine learning model is trained with the created training dataset. Training configures the machine learning model to predict efficiency of the mechanical system based on operating data. Des modes de réalisation fournissent une fonctionnalité afin de commander des systèmes mécaniques concrets par la création et le déploiement de modèles d'apprentissage machine. Un mode de réalisation crée le modèle d'apprentissage machine par extraction (i) d'une indication d'efficacité et (ii) de valeurs de caractéristiques opérationnelles d'un ou plusieurs dispositifs à partir d'une ou plusieurs courbes caractéristiques. Chaque courbe caractéristique correspond à un dispositif respectif d'un ou de plusieurs dispositifs, dans un système mécanique, fonctionnant à une vitesse donnée. Un ensemble de données de formation est créé par détermination de l'efficacité et de valeurs des caractéristiques opérationnelles correspondant au système mécanique fonctionnant avec de multiples combinaisons du ou des dispositifs fonctionnant à chaque vitesse d'une pluralité de vitesses à l'aide de l'indication d'efficacité extraite et des valeurs extraites des caractéristiques opérationnelles. À son tour, le modèle d'apprentissage machine est formé au moyen de l'ensemble de données de formation créé. La formation configure le modèle d'apprentissage machine afin de prédire l'efficacité du système mécanique sur la base de données de fonctionnement.