AI 모델
청주공장 회전체 설비 IoT 센서 시계열 데이터셋 (진동·온도·전력)
벽지 제조 청주공장의 회전체 설비(냉각팬 베어링, 주요 공정 구동모터, 유틸리티 모터)에 설치한 IoT 센서 73개로 수집한 진동·온도·전력 시계열 정형 데이터. IoT 게이트웨이를 통해 1분 간격으로 raw 데이터를 수집하고, 10분 단위 윈도우로 각 센서값의 최솟값·최댓값·평균·표준편차 4개 통계량을 산출해 이상탐지 모델(H2O Isolation Forest) 학습·검증에 활용. 가동상태 라벨링(PLC·전력·센서 임계치 기준)을 거쳐 가동 구간만 학습에 사용.
AI 모델 정보
회전체 설비의 진동·온도·전력 데이터를 기반으로 이상 징후를 탐지하는 비지도 학습 모델. H2O AutoML 기반 Isolation Forest 알고리즘을 적용하였으며, 정상 운전 데이터만으로 학습이 가능해 고장 데이터 확보가 어려운 설비 환경에 적합하다.
설비별 독립 모델 단위로 구축하였으며, 10분 단위 윈도우 통계 데이터에 대해 이상 점수(anomaly score)를 산출하고 정상 데이터 분포 기준으로 결정한 임계값을 초과하면 이상으로 판정한다. 업로드 파일은 발포오븐 설비 모델(e24)과 열매보일러 설비 모델(e7) 두 종이며, H2O MOJO 형식으로 추출되어 추론 서버에 배포된다.
검증 결과, 발포오븐 모델은 F1-Score 0.9791(Precision 0.9590, Recall 1.0000), 열매보일러 모델은 F1-Score 0.9622를 기록하여 목표치(F1 ≥ 0.95)를 달성하였다.
학습 데이터 셋 정보
| 업종 | 제지 | 유형 | CSV | |
|---|---|---|---|---|
| 목적 | 예지보전 | 데이터 등록일 | 2026-10-06 07:09:28 | |
| 사용조건 | 콘텐츠 변경 불가 | 데이터셋 수정일자 | ||
| 제공기관 | 컨포트랩 | |||
| 태그 | 예지보전, 설비이상탐지, IoT센서, 진동, 온도, 전력, 회전체설비, 시계열데이터, IsolationForest, H2O AutoML, 벽지제조, 냉각팬, 구동모터, 유틸리티설비, 스마트공장 | |||
| 내용 | 적용 공정 | 벽지 제조 회전체 설비(냉각팬 베어링 7개, 주요 공정 구동모터 29개, 유틸리티 설비 모터 37개, 총 73개 센서)의 진동·온도·전력 실시간 모니터링 공정 | ||
| 소개 | 기존 사후 대응 중심의 설비 보전을 예지 보전 체계로 전환하기 위해 구축한 회전체 설비 상태 모니터링 데이터셋. 벽지 제조 공정의 냉각팬 베어링, 주요 공정 구동모터, 유틸리티 설비 모터에서 수집한 진동·온도·전력 데이터로 구성. 정상 운전 데이터만으로 이상 징후를 탐지할 수 있어, 고장 데이터 확보가 어려운 회전체 설비 환경에 적합하며, 설비 상태 진단 및 예지 보전 모델 개발에 활용 가능. | |||
| 출처 | 대상 설비에 진동·온도·전력 측정용 IoT 센서 73개를 설치하고, IoT 게이트웨이와 PLC를 연동하여 1분 간격으로 원시 데이터를 자동 수집. 수집된 데이터는 시계열 데이터베이스에 저장한 뒤, 설비별·센서별로 동일 시점 기준 정렬 및 10분 단위 통계 요약(최솟값·최댓값·평균·표준편차) 과정을 거쳐 분석용 데이터로 가공. 수집 기간은 2026년 3월~7월. | |||
| 데이터개수/데이터셋 총량 | 20,650개 / 82,686,120Byte | |||