발표 배경

이전 스터디 내용

• MIMII 데이터셋을 활용한 anomaly sound detection
• 그러나 해당 프로젝트는 현재 수준에 비해 난이도가 높아, 제대로 된 학습이 어렵다고 판단됨.
• 이에 KSNVE AI 챌린지를 통해 anomaly detection 분야에 대한 기초 지식과 경험을 쌓는 것을 우선 목표로 하고자 함

발표 목적

• KSNVE AI 챌린지에서 해결해야 하는 task 설명
• 주최 측에서 제시한 베이스라인 코드 이해

KSNVE AI 챌린지

1. 챌린지 개요

• 다양한 속도 조건(680 RPM ~ 2460 RPM)을 갖는 구름 베어링의 진동 데이터 세트를 활용하여 이상(anomalous) 베어링을 딥러닝 기반으로 탐지하는 것을 목표로 함.

2. 챌린지 목표

• 학습용 진동 데이터를 사용해 AI 모델을 훈련, 테스트 데이터를 사용하여 베어링의 고장 유무를 탐지
• 이 때, 학습에는 오직 정상 베어링의 진동 데이터만 사용되어야 함.

3. 데이터셋

3.1. 진동 신호 측정 방법

그림 1. 볼 베어링 구조

3.2. 데이터셋 구성

• train: 결함이 없는 정상 베어링의 데이터가 .csv 파일로 제공(3354개)