edcrfv458 님의 블로그

회의 전 전처리유지보수 예측 시간인 predicted_remaining_life가 음수인 값위험 확률인 downtime_risk가 음수이거나 1을 넘어가는 값해당하는 행을 제거 상관관계 분석machine status는 2인 경우에 모두 maintenance_required가 1이라서 상관계수 높다고 생각함 그래서 anomaly_flag를 선택해 분석 시작anomaly_flag로 분리해 박스 플롯으로 시각화 확인을 위해 0인 경우 온도로 내림차순 정렬해 상위 50개의 데이터를 확인 또한 하위 50개의 데이터도 확인   유지보수 필요한 경우에 대해 failure type으로 구분해 박스플롯 시각화 회의 후 정상인 경우의 Normal 타입과 이상인 경우의 Normal 타입 비교 박스플롯이 아닌 히스트플롯으로 ..

데이터 변경time stamp 컬럼 제거데이터의 수 증가 downtime_risk를 확인해보니 기계 고장 확률인데 0미만인 경우와 1초과하는 경우가 존재 데이터의 수를 고려해 구간을 설정a 구간: downtime_risk b 구간: downtime_risk == 0c 구간: 0 d 구간: downtime_risk > 0.5각 구간의 maintenance_required를 value_countsa, c, d 구간은 1인 경우만 존재b 구간에서만 0이 80303, 1이 18125 그렇다면 a 구간은 무슨 상황일까 전체 데이터 기계 상태 구분 기계 상태 0과 1인 경우에 유지보수 필요 여부에 따른 시각화확실한 차이가 존재온도는 약 90, 진동은 약 80 정도가 기준선  해야할 것0과 1에서 정상 범위인데 유지..

정상인 것 중 온도와 진동의 최댓값을 확인해보니 90, 80 온도가 90을 초과하거나 진동이 80을 초과하는 데이터를 확인해보니 전부다 불량downtime_risk는 0.93 ~ 0.98이 12개, 1이 8898개anomaly_flag도 1이 8910 그래서 new_data로 온도가 90 이하이면서, 진동이 80 이하인 데이터만 뽑아 확인새로운 데이터에서 불량의 수는 10787 인데 downtime_risk와 anomaly_flag에서는 6개가 나옴   정상의 범위라고 생각하는 내에서 유지보수 필요한 경우의 데이터만 뽑음 1. 정상 범위 내에서 failure_type 별로 구분해 정상 데이터와 비교2. 비정상 범위 내에서 각 failure_type 별로 비교둘다 차이 별로 없음 정상 범위에서 anomal..

downtime_risk에 따른 분석0인 그룹, 0과 1 사이의 그룹, 1인 그룹으로 분리a: 0인 그룹b: 0과 1 사이의 그룹c: 1인 그룹각 그룹의 유지 보수 필요 여부 수 확인a는 필요 없는 수 80303, 필요 있는 수 10781b는 필요 있는 수 12c는 필요 있는 수 8904각 그룹에 대해 온도, 진동 등 개수를 확인 온도나 진동이 높을 떄 downtime_risk가 1이 될 확률이 클 것이라고 가정온도와 진동이 downtime_risk와 양의 상관을 가짐그렇다면 downtime_risk가 0인데 유지보수가 필요한 경우는 어떠한 경우일까downtime_risk가 0이고 maintenance_required가 1인 데이터만 추출그럼 전체 데이터에서 machine_status를 확인downtim..

스마트 팩토리 데이터 분석데이터 호출, 각 컬럼 확인object 타입의 날짜 컬럼 datetime 타입 변경1/1 분석센서 값을 시계열을 이용해 표현anomaly_flag이 0인 경우와 1인 경우를 kde plot으로 비교anomaly_flag는 온도와 진동의 극단값 여부1인 경우 온도와 진동에서 튀는 값이 보임humidity, pressure, energy_consumption은 비슷한 패턴유지보수 예상 시간이 짧음기계 고장 확률이 1에 가까운 값에 많음0인 경우에도 유지보수 필요한 경우가 존재failure_type이 normal인 경우와 아닌 경우 분리failure_type은 고장의 원인success_data : normal인 경우failure_data : normal이 아닌 경우failure_typ..