[ AI Factory ] 제 4회 2023 연구개발특구 AI SPARK 챌린지 : 공기압축기 이상 판단
대회 주제 : 산업기기 피로도를 예측하는 문제
산업용 공기압축기 및 회전기기에서 모터 및 심부 온도, 진동, 노이즈 등은 기기 피로도에 영향을 주는 요소이며, 피로도 증가는 장비가 고장에 이르는 원인이 됨
대회의 목표 : 피로도 증가 시 데이터 학습을 통해 산업기기 이상 전조증상을 예측하여 기기 고장을 예방하고 그로 인한 사고를 예방하는 모델 개발모델
1.
비지도 학습(Unsupervised learning) 방식으로 진행
2.
향후 실시간 판정에 활용되어야 하며 입력된 데이터를 0(정상) 또는 1(이상)로 이진 분류하는 모델
3.
시간 단위로 생성되는 입력 데이터를 판정할 수 있는 모델
평가 방법 : macro F1-Score
Scikit-Learn에 내장된 F1-Score를 ‘macro’옵션으로 설정하여 평가
도메인 이해
데이터 셋 파일
•
train_data: 학습용 데이터로 모두 정상 case로 이루어진 데이터이다.
•
test_data: 평가용 데이터로 정상 case와 이상 case가 함께 포함되어 있는 데이터로, 예측 대상에 해당된다.
•
answer_sample: test_data에 대하여 작성할 제출용 레이블 파일 양식이다.
Task 데이터 셋 구성
1. 데이터 구성 항목
•
air_inflow: 공기 흡입 유량 (^3/min)
•
air_end_temp: 공기 말단 온도 (°C)
•
out_pressure: 토출 압력 (Mpa)
•
motor_current: 모터 전류 (A)
•
motor_rpm: 모터 회전수 (rpm)
•
motor_temp: 모터 온도 (°C)
•
motor_vibe: 모터 진동 (mm/s)
•
type: 설비 번호
2. 설비별 특성
•
설비 번호 [0, 4, 5, 6, 7]: 30HP(마력)
•
설비 번호 1: 20HP
•
설비 번호 2: 10HP
•
설비 번호 3: 50HP
데이터 도메인 분석
이 시스템에서는 산업용 공기압축 시스템 파이프라인이 사용되며, 다음과 같은 순서로 작동한다.
1.
대기공기 흡입: 공기압축기가 주변의 대기공기를 흡입한다.
2.
윤활수와 대기공기 압축: 흡입된 대기공기와 윤활수가 압축기 내부에서 함께 압축되며, 이 과정에서 공기 내의 수분이 포함된다.
3.
Separator Tank에서 회전하여 물과 압축공기 분리: 압축된 공기와 윤활수는 Separator Tank로 이동하여 회전을 통해 물과 압축공기가 분리된다. 이 단계에서 물은 배출되고, 압축공기는 다음 단계로 전달된다.
4.
압축공기 토출, 일정압력으로 윤활수 윤활: 분리된 압축공기는 시스템으로 토출되며, 일정한 압력을 유지하기 위해 윤활수가 추가로 공급된다. 이렇게 함으로써, 기계의 부품이 적절한 윤활을 받아 원활한 작동이 가능하다.
5.
윤활 윤활수와 대기중 공기 흡입: 윤활수가 윤활되고 남은 공기와 새로운 대기공기가 다시 공기압축기로 흡입된다.
이 과정이 지속적으로 반복되며, 산업용 공기압축기와 회전기기 파이프라인 시스템이 원활하게 작동된다. 설비 파이프라인 과정을 통해 최종적으로 생산되는 것은 압축된 공기이다. 그러나 이번 task에서의 관심사항은 설비의 피로도이다.
제출 양식
•
그림과 같이 type, label 두 개의 column으로 이루어진 answer_sample.csv의 양식에서 label을 예측 결과에 따라 0(정상) 또는 1(이상)로 작성하여 제출
•
csv의 row 배열 순서는 test_data.csv와 일치해야 함