데이터 분석 프로젝트 기획서

프로젝트 제목

IoT 장비 결함 모니터링 기반 기계 결함 예측 및 유지보수 최적화 시스템 구축

</aside>

팀 구성

팀명: 넘버나인
태현수, 류재용, 최광수, 문주희, 이지은 </aside>

프로젝트 주제

[개요]

스마트 제조 환경에서는 IoT 센서 데이터를 활용한 실시간 모니터링이 필수적이다. 본 연구에서는 IoT-클라우드 기반 스마트 제조 모니터링 시스템을 분석하여 실시간 프로세스 모니터링, 예측 유지보수, 이상 탐지를 용이하게 하는 방법을 탐색한다.
데이터셋을 활용하여 기계의 이상 상태를 조기에 감지하고 유지보수 시점을 최적화함으로써 제조 공정의 안정성과 운영 효율성을 향상시키는 것이 목표이다.

[배경]

현재 제조업의 많은 공장에서는 기계 고장 발생 전에 이를 미리 탐지하지 못해 예기치 않은 다운타임과 비효율적인 유지보수 비용이 발생하고 있다. 본 프로젝트는 IoT 기반 센서 데이터를 활용해 배터리 수명 예측, 이상 탐지 모델을 구축하여, 기계 결함을 사전에 예측하고, 최적의 유지보수 시점을 찾는 시스템을 구축하는 것이 목적이다.

[주제]

스마트 제조 IoT 기반 기계 결함 예측 및 유지보수 최적화 시스템 구축

[설명]

IoT 센서 데이터를 활용하여 스마트 제조 환경에서 기계의 상태와 성능을 실시간으로 모니터링하고, 이를 기반으로 기계 고장을 예측하는 유지보수 시스템을 구축하는 것이 목표
이 시스템을 통해 온도, 진동, 습도, 압력, 에너지 소비 등 다양한 IoT 센서 데이터를 실시간으로 수집하여 기계의 상태를 모니터링하며, 이를 통해 기계 고장의 징후를 조기에 탐지
수집된 데이터는 기계의 잔존 수명을 예측하는 모델에 입력되어, 기계 고장이 발생하기 전에 유지보수 시점 최적화를 제공하며, 이를 통해 기계의 상태와 성능을 분석하고, 이상 탐지 경고 시스템을 통해 고장이 예고될 경우 즉시 알림을 제공

대시보드를 통해 기계 성능, 상태, 예상 잔존 수명을 실시간으로 시각화하여 기계 고장 예측과 유지보수 시점 최적화를 지원 및 기계 고장 예측, 유지보수 비용 절감, 가동 중지 시간 최소화를 실현하며, 비용 효율적인 유지보수 가능

수집된 데이터는 **기계의 잔존 수명(RUL)**을 예측하는 모델에 입력되어, 기계 고장이 발생하           기 전에 **유지보수 시점 최적화**를 제공합니다. 기계의 **상태**(유휴, 실행 중, 고장)와 **성능**(에너지 소비, 진동 등)을 분석하고, **이상 탐지 경고 시스템**을 통해 고장이 예고될 경우 즉시 알림을 제공합니다.

이를 통해 기계 고장 예측, 유지보수 비용 절감, 가동 중지 시간 최소화를 실현하며, 예측된 잔존 수명에 따라 비용 효율적인 유지보수가 가능합니다. 또한, 실시간 데이터 모니터링을 통해 기계 성능과 상태, 예상 잔존 수명을 추적하여 운영 효율성을 높이고 비용을 절감할 수 있습니다.

[데이터]

본 프로젝트에서는 Kaggle에서 제공하는 스마트 제조 IoT-Cloud 모니터링 데이터셋을 사용한다. 이 데이터셋은 50개의 고유 기계에서 수집된 100,000개의 센서 기록을 포함하고 있으며, 각 기록은 온도, 진동, 습도, 압력 등의 IoT 센서 데이터를 포함한다.

<컬럼 목록>

타임스탬프 - 센서 판독값이 기록된 시간

머신 ID - 각 머신의 고유 식별자

센서 판독값 - 온도, 진동, 습도, 압력, 에너지 소비

머신 상태 - 머신이 대기 상태, 실행 중 또는 고장 상태인지 표시

이상 플래그 - 온도 및 진동의 극한값을 식별

예상 잔여 수명 - 유지 관리가 필요하기 전까지의 예상 시간

고장 유형 - 머신 고장의 이유(예: 과열, 진동 문제)

가동 중지 위험 점수 - 머신 고장 가능성

필요한 유지 관리(maintenance_required) - 대상 열(0 = 아니요, 1 = 예)

</aside>

프로젝트 목표

스마트 제조 환경에서 IoT 센서 데이터를 활용한 실시간 모니터링 및 예측 유지보수 모델을 구축하고자 한다. 이를 통해 다음과 같은 목표를 달성하고자 한다.

실시간 IoT 센서 데이터 분석을 통해 이상 감지 및 유지보수 필요성 평가
머신러닝 모델을 활용하여 고장 예측 및 유지보수 일정 최적화
이상 탐지 모델을 구축하여 비정상적인 기계 동작 패턴 식별
데이터 기반 접근 방식을 통해 운영 비용 절감 및 공정 효율성 개선

</aside>

문제 정의

분석 및 시각화의 중점
- 제조 기계의 센서 데이터를 분석하여 장비 결함을 조기에 감지하고 유지보수의 최적 시점을 예측할 수 있을까?
- 온도, 진동, 습도, 압력 등 다양한 센서 데이터를 활용하여 고장 발생의 주요 원인을 분석하고, 이를 기반으로 예측 모델을 구축할 수 있을까?
- 실시간 모니터링 대시보드를 통해 이상 징후를 즉각적으로 탐지하고 유지보수 전략을 최적화할 수 있을까?
문제의 필요성 및 중요성
- 제조 기계의 갑작스러운 고장은 생산 중단과 비용 손실을 초래하므로, 사전에 이를 예측하고 예방하는 것이 중요하다.
- 데이터 기반의 예측 유지보수를 통해 불필요한 유지보수 비용을 절감하고, 장비 수명을 연장할 수 있다.
- 실시간 모니터링을 활용하여 기계의 운영 상태를 지속적으로 파악함으로써, 예기치 않은 고장을 방지하고 생산성을 극대화할 수 있다. </aside>

데이터 활용 계획

데이터 출처
- IoT 장비 결함 모니터링 데이터셋 (출처: Kaggle).
데이터 전처리 및 분석 계획
- 제조 기계의 온도, 진동, 습도, 압력, 에너지 소비 패턴 분석
- 머신 상태와 센서 데이터 간 상관관계 파악
- 이상 플래그 발생 빈도 및 패턴 분석
예측 유지보수 모델 구축 계획
- 지도학습 모델 (랜덤 포레스트, XGBoost 등) 활용하여 유지보수 필요 여부(0/1) 예측 – 분류
- 예상 잔여 수명(predicted_remaining_life) 모델링 – 회귀
- 고장 유형 분류 및 주요 원인 분석
대시보드 구성 계획
- 기계별 센서 데이터 및 가동 중지 위험 점수를 시각화
- 유지보수 예측 결과 및 이상 탐지 모델 결과를 통합하여 실시간 경고 시스템 구축 </aside>

예상 결과물 및 기대 효과

예상 결과물
대시보드 주요 구성
기대 효과 </aside>

</aside>

</aside>