데이터 셋
압출 공정 원단 두께 예측을 위한 설비 IoT·두께 실측 시계열 데이터 (PS 발포시트, 25만 건)
PS 발포시트 압출 3호기에서 5초 주기로 수집한 설비 IoT 센서 22종(온도·수지압·가스압·인취속도 등)과 원단 폭 방향 9개 지점의 두께 실측값을 시각 정렬한 정형 시계열 데이터(250,879건)입니다. 센서-측정기 간 시계 오차 및 물리적 이송 지연(평균 44초)을 교차상관 분석(-130초 보정)으로 정밀 동기화했습니다. 스파이크 보간, 세그먼트 영점 앵커링을 완료하고 기동·제품교체·롤교체 구간 플래그를 부여하여 즉시 학습에 활용할 수 있습니다.
데이터 셋 정보
| 업종 | 제지 | 유형 | CSV | |
|---|---|---|---|---|
| 목적 | 품질 보증 | 데이터 등록일 | 2026-10-06 07:09:28 | |
| 사용조건 | 콘텐츠 변경 불가 | 데이터셋 수정일자 | ||
| 제공기관 | 코드베이스(CodeBase) | |||
| 태그 | 비전/IoT, 시계열, 두께예측, 압출공정, PS발포시트, 품질예측, 공정최적화, XGBoost | |||
| 내용 | 적용 공정 | PS 수지를 용융·압출하여 식품 포장용 발포시트(공칭 두께 1.5~2.6t)를 생산하는 압출기 3호기 공정. 스크류 구간부터 다이, 냉각·인취 구간을 포함합니다. 다이 출구에서 두께 측정기까지의 이송 지연 구간(12.3m) 동안 두께 이탈을 사전 예측하여 불량을 예방하는 것이 핵심 목표입니다. | ||
| 소개 | 사후에만 확인 가능했던 압출 원단의 두께 이탈을 사전에 예측·제어하기 위해 구축된 데이터셋입니다. 다이 립 갭 변수를 고려하여 절대 두께가 아닌 변화량(ΔT)을 예측하도록 설계되었습니다. 본 데이터셋으로 학습된 분위수 XGBoost 모델은 MAPE 0.574%, R² 0.9936을 달성했으며, 현장 적용 후 공정능력지수(Cpk)가 0.985에서 1.154로 17.2% 향상되었습니다. 프리즈 행, 스파이크 등 40%에 달하던 원시 로그의 데이터 품질 이슈를 10단계 정제 파이프라인으로 완벽히 정제하여 시계열 회귀 및 이상 감지 AI 모델 연구에 바로 활용 가능합니다. | |||
| 수집방법 | 설비 IoT 센서: 압출 3호기 센서 22종의 데이터(5초 주기)를 MariaDB에 적재 후 원시값 스케일링 복원(÷10). 두께 실측: 비접촉식 두께 측정기로 9개 지점(1~5초 주기)을 동시 측정하여 PostgreSQL에 적재 후 평균값 산출(mm 단위 변환). MES 연동: MES 압출 실적 시각을 기준으로 품목코드 및 공칭 두께 매칭. 시간 동기화: 교차상관 분석 기반 시간 조인을 통해 센서 데이터와 두께 변화의 물리적 인과관계를 동기화. | |||
| 소개 | 사후에만 확인 가능했던 압출 원단의 두께 이탈을 사전에 예측·제어하기 위해 구축된 데이터셋입니다. 다이 립 갭 변수를 고려하여 절대 두께가 아닌 변화량(ΔT)을 예측하도록 설계되었습니다. 본 데이터셋으로 학습된 분위수 XGBoost 모델은 MAPE 0.574%, R² 0.9936을 달성했으며, 현장 적용 후 공정능력지수(Cpk)가 0.985에서 1.154로 17.2% 향상되었습니다. 프리즈 행, 스파이크 등 40%에 달하던 원시 로그의 데이터 품질 이슈를 10단계 정제 파이프라인으로 완벽히 정제하여 시계열 회귀 및 이상 감지 AI 모델 연구에 바로 활용 가능합니다. | |||
| 데이터개수/데이터셋 총량 | 0개 / 58,615,515Byte | |||
데이터 항목
| 번호 | 컬럼명 | 속성명 | 설명 | 데이터 타입 | 길이 | NULL | KEY |
|---|---|---|---|---|---|---|---|
| 1 | inp_dttm | 센서 수집 시각 (KST). 스트림 행의 기준 시각 | FLOAT | 0 | PK | ||
| 2 | lami_haul | 라미/인취 롤 속도 (>0 정상 운전 구간만 수록) | INT | 0 | |||
| 3 | lami_length | 현재 롤 감김 길이. 급감 시 롤 교체 신호(is_dip 감지 기준) | INT | 0 | |||
| 4 | c_1 | 압출기 스크류 C-1 구간 온도 (℃, ÷10 변환 완료) | FLOAT | 0 | |||
| 5 | c_3 | 압출기 스크류 C-3 구간 온도 (℃) | FLOAT | 0 | |||
| 6 | c_4 | 압출기 스크류 C-4 구간 온도 (℃) | FLOAT | 0 | |||
| 7 | c_5 | 압출기 스크류 C-5 구간 온도 (℃) | FLOAT | 0 | |||
| 8 | c_6 | 압출기 스크류 C-6 구간 온도 (℃) | FLOAT | 0 | |||
| 9 | c_7 | 압출기 스크류 C-7 구간 온도 (℃) | FLOAT | 0 | |||
| 10 | sc_1 | 스크린 체인저 SC-1 구간 온도 (℃) | INT | 0 | |||
| 11 | sc_2 | 스크린 체인저 SC-2 구간 온도 (℃) | FLOAT | 0 | |||
| 12 | sc_3 | 스크린 체인저 SC-3 구간 온도 (℃) | FLOAT | 0 | |||
| 13 | pipe | 다이 연결 파이프 온도 (℃) | FLOAT | 0 | |||
| 14 | d_1 | 다이(Die) D-1 구간 온도 (℃) | FLOAT | 0 | |||
| 15 | d_2 | 다이(Die) D-2 구간 온도 (℃) | FLOAT | 0 | |||
| 16 | d_3 | 다이(Die) D-3 구간 온도 (℃) | FLOAT | 0 | |||
| 17 | d_4 | 다이(Die) D-4 구간 온도 (℃) | FLOAT | 0 | |||
| 18 | water | 냉각수 온도 (℃) | FLOAT | 0 | |||
| 19 | gas_prs | 가스 압력 (원시값 사용) | INT | 0 | |||
| 20 | resin_prs1 | 스크류 출구 수지 압력 (원시값 사용) | INT | 0 | |||
| 21 | resin_prs2 | 스크린 체인저 전단 수지 압력 (원시값 사용) | INT | 0 | |||
| 22 | resin_prs3 | 다이 입구 수지 압력 (원시값 사용) | INT | 0 | |||
| 23 | resin_thrm1 | 수지 온도 측정 1 (℃) | FLOAT | 0 | |||
| 24 | resin_thrm2 | 수지 온도 측정 2 (℃) | FLOAT | 0 | |||
| 25 | mt | 교차상관 시프트(−130초) 적용 후 센서·두께 정렬 시각 | FLOAT | 0 | |||
| 26 | measured_at | 매칭된 두께 측정 시각 (thickness_logs, ±4초 merge_asof) | FLOAT | 0 | |||
| 27 | thick | 9개 횡단 포인트 평균 두께(mm). 종속변수 원천 (영점 앵커링 적용) | FLOAT | 0 | |||
| 28 | item | MES 실적(E03) 기반 부여 품목코드. 15종 (예: 1008, 1038-1) | INT | 0 | |||
| 29 | nominal | 품목 마스터 기준 공칭 두께(mm). 1.5 / 1.6 / 1.8 / 2.3 / 2.5 / 2.6 | FLOAT | 0 | |||
| 30 | is_ramp | 기동·정지·제품 교체 시 두께 수렴 램프 구간 여부. True = 학습 제외 | VARCHAR | 0 | |||
| 31 | is_dip | 롤 교체 자기보정 측정 딥 구간(딥 시작→+60초) 여부. True = 학습 제외 | VARCHAR | 0 | |||
| 32 | seg | 가동런×제품사이클 단위 세그먼트 번호(0~12). Δ·앵커링 산출 경계 | INT | 0 |