MANU HUB 검색
총 9건
업종
목적
유형
정렬
제지
코팅 공정 두께 예측을 위한 시계열 센서 데이터
CSV
본 데이터셋은 코팅 공정에서 수집된 데이터로 구성됨.
제품 검사 결과를 나타내는 IR 검사 데이터로 전체두께, 원단두께, 코딩두께와 각 위치별 측정값, 관리기준값, 이상 판정값을 포함함.
제지
코팅 공정 이상 탐지를 위한 시계열 센서 데이터
CSV
본 데이터셋은 코팅 공정에서 수집된 데이터로 구성됨
설비 운전 상태를 나타내는 CTP 공정 데이터로 장력, 속도, 압력, 유량, 건조 Zone 온도/풍량 등 다수의 시계열 센서값을 포함함
화장품
pH·온도 색차계 예측용 시계열 공정 데이터
CSV
본 데이터는 공정 중 수집되는 pH 및 온도 시계열 데이터와 이를 기반으로 생성한 색차계 결과 예측용 데이터로 구성된다.
데이터는 제품 고유번호별로 구분되어 있으며, 공정 이상 탐지를 위한 시계열 예측 모델과 색차계 결과값 예측을 위한 다중 출력 회귀 모델 학습에 활용된다.
색차게 예측 모델은 pH·온도 시계열을 입력으로 하여 L*, a*, b* 계열 결과값을 예측한다.
화장품
pH·온도 이상탐지 예측용 시계열 공정 데이터
CSV
- 본 데이터는 공정 중 수집되는 pH 및 온도 시계열 데이터와 이를 기반으로 생성한 색차계 결과 예측용 데이터로 구성된다.
- 데이터는 제품 고유번호별로 구분되어 있으며, 공정 이상 탐지를 위한 시계열 예측 모델 학습에 활용된다.
식품
김치 절임 공정 최적 조건 추천 및 품질 예측용 배치 데이터
CSV
본 데이터셋은 김치 절임 공정에서 수집된 배치 단위 요약 데이터와 공정 중 시게열 측정 데이터로 구성된다. 배치 요약 데이터에는 배추 품종, 평균 무게, 경도, 잎 두께 등 원재료 특성과 계절, 실내외 온도, 초기 염도, 초기 수온, 웃소금 투입량 등 공정 시작 조건이 포함된다. 시계열 측정 데이터에는 절임 진행 중 상단 염도, 하단 염도, 수온, pH 등의 값이 시간 흐름에 따라 기록된다.
이 데이터셋은 공정 시작 전에는 최적 절ㅇ미시간과 권장 초기 염도를 추천하고, 공정 진행 중에는 남은 시간을 예측하며, 공정 종료 후에는 최종 품질등급을 판정할 수 있는 형태로 설계되었다. 또한, 일부 데이터는 실측 기반 보완 및 시뮬레이션/증강을 통해 학습 가능한 규모로 확장되었다.
식품
김치 절임 공정 최적 조건 추천 및 품질 예측용 시계열 데이터
CSV
본 데이터셋은 김치 절임 공정에서 수집된 배치 단위 요약 데이터와 공정 중 시게열 측정 데이터로 구성된다. 배치 요약 데이터에는 배추 품종, 평균 무게, 경도, 잎 두께 등 원재료 특성과 계절, 실내외 온도, 초기 염도, 초기 수온, 웃소금 투입량 등 공정 시작 조건이 포함된다. 시계열 측정 데이터에는 절임 진행 중 상단 염도, 하단 염도, 수온, pH 등의 값이 시간 흐름에 따라 기록된다.
이 데이터셋은 공정 시작 전에는 최적 절ㅇ미시간과 권장 초기 염도를 추천하고, 공정 진행 중에는 남은 시간을 예측하며, 공정 종료 후에는 최종 품질등급을 판정할 수 있는 형태로 설계되었다. 또한, 일부 데이터는 실측 기반 보완 및 시뮬레이션/증강을 통해 학습 가능한 규모로 확장되었다.
기타
냉간단조포머 설비 피에조 센서 데이터 셋
XLSX
본 데이터셋은 냉간단조포머 설비의 금형 수명 관리를 목적으로, 설비에 부착된 피에조 센서를 통해 단조 공정 중 발생하는 진동·충격 신호를 타점별로 수집한 데이터입니다. 각 레코드에는 피에조 센서의 신호값(현재값·최대값·최소값), 설비 모터의 RPM, 구동 전류(A), 금속 소재 절단면 및 작동면 측정값, 금형 타점 누적 횟수(왕복 카운팅) 등의 항목이 포함되어 있으며, 단조 1회 동작 단위로 기록되어 시간에 따른 설비 상태 변화를 추적할 수 있습니다. 금형은 일정 타점 이상 사용 시 마모 및 파손이 발생하므로, 본 데이터는 피에조 신호 패턴과 누적 타점 수의 상관관계 분석을 통해 금형 교체 시점 예측 모델 개발에 적합합니다. 해당 데이터는 제조 현장의 예지보전(Predictive Maintenance) AI 모델 학습, 공정 이상 감지 알고리즘 개발, 금형 수명 예측 시스템 구축 등 스마트팩토리 분야의 다양한 응용에 활용될 수 있습니다.
식품
육가공 건조공정 작업시간 및 수분율 예측 데이터셋
CSV
건조 설비에서 수집된 작업 로그, 센서 정보(온도, 습도), 제품 정보(품목, 두께, 형태) 및 수분율 측정값으로 구성된 데이터셋으로, 건조 시간 최적화 및 품질 정량화를 위한 AI 모델 학습에 활용 가능
기타
PCB 데이터셋
PNG
스크린프린팅 공정 후 PCB의 솔더크림 도포 상태를 비전 검사기로 촬영한 이미지 데이터셋으로, 작업자가 수동으로 판별하던 도포 양호·불량 유형을 AI가 자동 식별할 수 있도록 학습용으로 구축한 데이터입니다. 다양한 도포 패턴과 불량 유형을 포함하여 SMT 공정의 품질검사 자동화와 불량 사전 차단에 활용할 수 있습니다.