AI 모델
펄프몰드 계란판 건조공정 온도 예측·이상탐지·품질분류 통합 데이터셋 (시계열 4,716,207건 + OFAT 실험 1,000건)
㈜서주에코팩 펄프몰드 계란판(30구 특란·완란) 터널형 열풍 건조로 1호 라인에서 수집한 제조 AI 학습용 데이터셋입니다. ①이상탐지용: 건조로 5 Zone 20개 온도센서·버너 8변수·외기(내장센서/기상청 ASOS 충주)를 1초 주기로 수집한 시계열 4,716,207건(2026-03-10~05-25)을 30분 슬라이딩 윈도우 9,903개로 재구성해 train/val/test(70/15/15)로 분할. ②품질분류용: Zone별 설정온도를 기준 대비 −4~+4℃ 변화시킨 OFAT 실험 20 trial×50샘플, 총 1,000건의 온도환경·제품 실측치·양불 판정(불량률 24.3%) 데이터.
AI 모델 정보
- 건조공정 온도 예측·이상탐지·품질분류 AI 모델
㈜서주에코팩 펄프몰드 계란판(30구 특란·완란) 터널형 열풍 건조로 1호 라인(5 Zone)의 건조 공정을 대상으로 학습한 LightGBM 모델 패키지입니다. 학습된 모델 22개와 함께 학습·검증 스크립트, 설정 파일, 검증 결과를 동봉했습니다.
- 모델 구성
- 1단계 온도 회귀 (20개) — 5 Zone × 4위치(상부상부·상부하부·하부상부·하부하부) 온도센서 각각의 1초 후 온도를 예측합니다. 센서당 모델 1개.
- 2단계 이상탐지 분류 — 1단계 예측 잔차를 30분 윈도우로 집계해 설비 정상/이상을 판정합니다. 잔차가 전역 ±3σ를 초과한 포인트 비율이 5% 이상인 윈도우를 이상으로 봅니다.
- 품질분류 — Zone별 설정온도 조건에서 생산된 제품의 양불을 예측하고, 실험 범위 내 최적 설정온도(Zone1 249 / Zone2 239 / Zone3 225 / Zone4 205℃)를 권고합니다.
- 데이터 배치
- 데이터셋으로 제공되는 train/val/test.csv는 스크립트가 parquet을 읽으므로 pandas·pyarrow로 parquet 변환 후 data/ 폴더에 배치해야 합니다. ofat_data.csv는 변환 없이 그대로 사용합니다.
- 2단계 학습 입력인 windows_train/val/test.parquet은 data/ 폴더에 동봉되어 있습니다.
파일 구성, 성능 지표, 실행 환경, 검증 및 재학습 절차는 동봉된 README.md를 참고하십시오.
학습 데이터 셋 정보
| 업종 | 기타 | 유형 | CSV | |
|---|---|---|---|---|
| 목적 | 생산공정 최적화 | 데이터 등록일 | 2026-10-06 07:09:28 | |
| 사용조건 | 콘텐츠 변경 허용 | 데이터셋 수정일자 | ||
| 제공기관 | 지신 | |||
| 태그 | 계란판, 건조공정, 시계열, 슬라이딩 윈도우, OFAT, 제조AI, 센서데이터 | |||
| 내용 | 적용 공정 | 펄프 원액 배합 → 계란판 성형몰드 형상 형성 → 컨베이어 이송 → 터널형 열풍 건조로 5 Zone 건조 → 완제품 분리 공정 중 '건조' 단계에 적용. 건조로는 #1 진입부~#5 출구부 5개 Zone으로 구성되며 Zone당 상부상부·상부하부·하부상부·하부하부 4점 온도센서(총 20개), Zone 1~4에 버너(설정온도/현재온도)가 배치됨(Zone 5는 버너 없음). 정상 운전 구간과 설정온도 변이 구간을 모두 포함하며, 학습에는 실제 건조가 진행되는 100~300℃ 활성 구간만 사용. | ||
| 소개 | 건조공정 온도 예측·이상탐지·품질분류 AI 솔루션 개발을 위한 학습 데이터셋입니다. [이상탐지] 1단계 회귀모델이 1초 후 실측 온도를 예측하고 잔차가 ±3σ를 초과하면 이상으로 플래그, 2단계 분류모델이 30분 윈도우 내 이상 포인트 비율 5% 이상을 설비 이상(NG)으로 판정합니다(정상 9,324 / 이상 579 윈도우). [품질분류] OFAT 실험 데이터로 설정온도 변화가 제품 규격(치수 298×297×49±2mm, 건조무게 75~77g, 건조율 95~98%)에 미치는 영향을 학습해 양불을 예측합니다(양품 757 / 불량품 243). 원시 5,312,483건을 정제·전처리한 데이터이며, 이상탐지용 train/val/test.csv와 품질분류용 ofat_data.csv로 제공됩니다. | |||
| 출처 | ①건조로 온도센서(20개)·버너(설정/현재온도)를 LS XGT PLC를 통해 현장 PC에 1초 주기로 동시 실시간 적재. ②건조로 근접 외기(내장 센서, 기온·습도)를 동일 경로로 1초 주기 수집. ③기상청 ASOS 충주 관측소(관측소번호 127)의 시간별 외기 기온·상대습도를 API로 수신, 수집 시각 기준으로 센서 데이터와 조인. ④품질분류용은 Zone별 설정온도를 −4·−2·0·+2·+4℃로 변경하는 OFAT 실험(20 trial × 50 샘플)을 수행하고, 각 표본의 온도환경값과 수요기업 품질검사 실측치(치수·무게·건조율) 기반 양불 판정을 결합. | |||
| 데이터개수/데이터셋 총량 | 2,817,886개 / 2,997,383,430Byte | |||