Skip to content

About

2025년 1학기 생산시스템 구축실무 과목의 팀 프로젝트에 대한 레포지토리입니다.

Topics

Resources

Stars

0 stars

Watchers

1 watching

Forks

Latest commit

 

History

48 Commits

Folders and files

Repository files navigation

Production System TeamProject

2025년 1학기 생산시스템 구축실무 과목의 팀 프로젝트에 대한 레포지토리입니다.

이 레포지토리는 개발용 레포지토리이며, Deploy용 레포지토리는 여기를 클릭해주세요.

⚙️ 개발 환경 및 실행 환경 (Environment)

이 프로젝트는 열풍건조 공정 데이터를 기반으로 한 딥러닝 품질 예측 모델을 구현하며, 다음과 같은 소프트웨어 및 하드웨어 환경에서 수행되었습니다.

📊 데이터 소개 (Dataset Overview)

항목 내용
데이터셋 명 장비이상 조기탐지 AI 데이터셋
적용 공정 열풍건조(Baking·Heat‐Dry)
제공 기관 KAIST (수행: ㈜에이비에이치, ㈜임픽스)
목적 설비 예지보전 및 이상 탐지
등록·수정일 2021-12-27 등록, 2025-04-02 최종 수정
데이터 크기 307 083 레코드, 총 1.8 GB

수집 방법과 형태

  • 공정 제어용 PLC와 센서로부터 온도, pH, 전압, 시간 등 실시간 데이터를 수신하여 CSV 파일로 저장한다.
  • 열풍건조 공정 팬에 부착된 사운드 센서로 음성 신호를 수집해 WAV 파일로 저장한다.
  • 최종 데이터셋은 데이터 CSV 33종, Error Lot List, WAV 183종으로 구성된다.

주요 특징

  • 센서·사운드 데이터의 이중 입력 구조로 설비 상태를 다각도로 파악한다.
  • 48개 이상의 공정 변수를 포함해 모델 학습에 충분한 피처를 제공한다.
  • 가이드북에 LSTM-AE, Decision Tree 적용 절차가 명시돼 있어 재현이 용이하다.

📌 사용된 Python 환경


📦 주요 패키지 및 라이브러리

라이브러리 버전 용도
tensorflow 2.6.0 DNN 모델 구축 및 학습
keras-preprocessing 1.1.2 딥러닝 전처리 유틸
numpy 1.21.5 수치 연산
pandas 1.3.5 데이터프레임 처리
scikit-learn 1.0.2 전처리, 모델 평가 등
scipy 1.7.3 수학/통계 기반 함수
matplotlib, seaborn 3.5.3 / 0.12.2 시각화
imbalanced-learn 0.8.1 클래스 불균형 처리 (SMOTE 등)
xgboost 1.6.2 비교용 머신러닝 모델

추가적으로 tensorboard, protobuf, h5py, joblib, graphviz 등도 함께 사용되었습니다.


📎 실행 방법 (예시)

pip install -r requirements.txt
python main.py

✅ 기타 참고 사항

  • 분석 대상 데이터는 .csv 형식이며 약 48개의 공정 변수(X, Y, Z, 스핀들 속도, 전압 등)를 포함합니다.
  • 모델 학습 및 테스트는 Python 환경에서 전적으로 이루어지며, Jupyter Notebook이나 Python script 모두 지원 가능합니다.

About

2025년 1학기 생산시스템 구축실무 과목의 팀 프로젝트에 대한 레포지토리입니다.

Topics

Resources

Stars

0 stars

Watchers

1 watching

Forks

Used by

Contributors

Languages