AI 모델
재생펠릿 공정 IoT 시계열 데이터셋 및 주파수별 생산량·전력효율 예측·추천 AI 모델
재생 플라스틱 펠릿 생산공정의 설비·계량·환경·전력 데이터를 단일 시간축으로 통합한 IoT 시계열 정형데이터셋과, 이를 학습하여 인버터 운전 주파수별 생산량·전력효율을 예측·추천하는 AI 모델을 함께 제공합니다. 데이터셋은 정량공급장치(인버터), CAS 전자저울(RS-485), 온·습도·조도 센서, 한국전력 API, 기상청 API 등 5종 데이터원을 5분 평균으로 동기화한 뒤 cycle 단위로 집계 하였습니다. AI 모델은 XGBoost point model과 bootstrap ensemble로 후보 주파수(40~200Hz)별 시간당 생산량과 전력 대비 생산량을 예측하고 P10~P90 예측범위·신뢰도와 함께 목적별 추천 주파수를 산출하며, IsolationForest 기반 비지도 이상탐지를 병행합니다.
AI 모델 정보
본 AI 모델은 XGBoost 기반으로 후보 주파수별 생산량·전력효율을 예측하고 목적별 추천 주파수를 산출하며, Isolation Forest 이상징후 탐지와 운영자 승인 기반 자동제어 기능을 제공합니다.
학습 데이터 셋 정보
| 업종 | 기타 | 유형 | CSV | |
|---|---|---|---|---|
| 목적 | 생산공정 최적화 | 데이터 등록일 | 2026-10-06 07:09:28 | |
| 사용조건 | 콘텐츠 변경 불가 | 데이터셋 수정일자 | ||
| 제공기관 | 이코브(ECOBE) | |||
| 태그 | 재생펠릿, 플라스틱 재활용, 폐플라스틱, 정량투입, 인버터, 주파수 추천, 생산량 예측, 전력효율, 에너지 최적화, 시계열, 정형데이터, IoT, PLC, MQTT, RS-485, CAS 전자저울, 온습도, 기상 API, KEPCO, XGBoost, bootstrap ensemble, IsolationForest, 이상탐지, 예측구간, 안전검사, 폐쇄루프, 권고형 제어, 소표본, 스마트제조, 제조AI, 융합바이오, 충북, PoC | |||
| 내용 | 적용 공정 | 원료 투입, 정량공급, 압출·성형, 냉각·절단, 계량 및 포장 공정 | ||
| 소개 | 본 결과물은 재활용 원료와 같이 성상이 일정하지 않은 비정형 원료 공정에서 영상(CCTV) 없이 수치형 센서 데이터만으로 생산량과 전력효율을 예측·제어할 수 있는지를 검증한 PoC 성과물입니다. 발생 주기와 통신 방식이 서로 다른 5종 데이터원을 동일 시간축으로 정렬한 전처리 결과를 포함하고 있어 이종 데이터 통합 사례로 활용할 수 있습니다. 본 결과물은 「지역특화 제조데이터 활성화 사업」의 지원을 통해 개발되었습니다. | |||
| 출처 | PLC/HMI·MQTT로 설비 상태와 인버터 운전값(주파수·rpm·운전지령)을 1분 집계로, CAS 전자저울에서 생산 중량을 RS-485 통신으로 5분 중앙값 기준으로 수집하였습니다. 온·습도·조도는 환경센서에서 1분 집계로, 전력 사용량은 한국전력 API에서 15분, 외부 기상 정보는 기상청 API에서 15분 단위로 연계 수집하였습니다. 수집 데이터는 KST 기준 정렬 후 5분 평균으로 동기화하고, 결측·통신 이상값은 null로 보존하였으며 fault 값은 평균 산출 전 제외하였습니다. 이후 저울 계량값과 전력 구간, 운전 상태를 매칭하여 생산 cycle 단위로 집계하였고, AI 모델 학습에는 cycle 단위 통계 피처를 사용하였습니다. raw_sensor는 시간 정렬과 cycle 파생용으로만 활용하였습니다. | |||
| 데이터개수/데이터셋 총량 | 36개 / 127,178Byte | |||