산업 공기압축기 시스템에서 시계열 이상치 탐지를 위한 데이터셋에 대한 탐색적 데이터 분석(EDA)를 수행한다. 먼저, 데이터의 기본 통계량을 확인하여 센서 값들의 경향성, 변동성 및 분포를 이해하고, 시계열 데이터의 결측치와 이상치 여부를 파악한다. 이후 시계열 패턴과 주기성을 분석하기 위해 시각화 도구를 활용하며, 센서 간의 상관관계를 조사하여 변수들 사이의 연관성을 파악한다. 이 과정은 공기압축기 시스템의 정상 작동과 이상 작동 간의 차이를 이해하는 데 도움이 되며, 이러한 탐색적 데이터 분석을 통해 얻은 인사이트를 활용하여 모델 구현 전 준비 과정을 철저히 수행하여, 모델의 성능 향상에 기여하도록 한다.

데이터 확인

1. 데이터 분포 확인

type별 데이터양, 데이터 분포와 이상치를 시각화했다. train의 시각화 결과와 test의 시각화 결과가 거의 비슷하게 나오는 것을 파악했다.

<aside> 📌 [ train 시각화 ]

</aside>

<aside> 🛠 [ test 시각화 ]

</aside>

1. feature 연관성 확인

독립 변수들 사이에 강한 상관관계가 존재하는 경우 회귀 분석 결과의 정확성이 떨어질 수 있으며, 변수들 간의 실제 영향력을 구분하기 어려워진다(다중 공선성). 따라서 feature 간의 상관관계를 파악하기 위해 correlation heatmap을 그려보았다.

위 heatmap을 통해 ‘air_inflow’&’motor_current’ / ‘air_end_temp’&’motor_rpm’&’motor_temp’ / ‘type’&’time’ feature 사이에 높은 상관관계가 있다고 파악했다. 이를 기반으로 불필요한 feature를 제거하려고 했다.

1. 시계열 데이터 패턴 확인

모든 feature의 시계열 패턴을 확인하기 위해 다음과 같은 그래프를 그려보았다. 모든 feature에서 비슷한 패턴을 보인다는 것을 파악했다. 이를 통해 위에서 진행했던 correlation이 부정확하다고 판단하였고 feature를 제거하지 않기로 했다.

데이터 전처리

1. 데이터 범위 조절

데이터 분포 확인 결과 ‘motor_vibe’ feature의 type별 분포 그래프에서 type1의 특정 시간의 특이값에 대해 확인했다.

학습용 데이터는 모두 정상 데이터이므로 type1의 특이값의 데이터를 type1의 ‘motor_vibe’ 최댓값과 최솟값 사이의 랜덤한 값으로 변경했다.

데이터 범위 처리 결과 데이터는 ‘motor_vibe’ feature에서 다음과 같은 분포를 나타내게 되었다.