최종 프로젝트 분석 2

downtime_risk에 따른 분석

개수

• 0인 그룹, 0과 1 사이의 그룹, 1인 그룹으로 분리
  • a: 0인 그룹
  • b: 0과 1 사이의 그룹
  • c: 1인 그룹
• 각 그룹의 유지 보수 필요 여부 수 확인
  • a는 필요 없는 수 80303, 필요 있는 수 10781
  • b는 필요 있는 수 12
  • c는 필요 있는 수 8904
• 각 그룹에 대해 온도, 진동 등 개수를 확인 

c 그룹에서 온도와 진동의 평균 갑시 높게 나타남

• 온도나 진동이 높을 떄 downtime_risk가 1이 될 확률이 클 것이라고 가정

상관계수 분석

• 온도와 진동이 downtime_risk와 양의 상관을 가짐
• 그렇다면 downtime_risk가 0인데 유지보수가 필요한 경우는 어떠한 경우일까

a 그룹을 유지 보수 필요 여부에 따라 분리

• downtime_risk가 0이고 maintenance_required가 1인 데이터만 추출

기계가 유휴 상태일 때 가장 많은 수

• 그럼 전체 데이터에서 machine_status를 확인
  • downtime_risk가 0, maintenance_required가 1

2의 상태일때 가장 유지보수 필요 수가 많음

• downtime_risk가 1, maintenance_required가 1

1의 상태일떄 가장 유지보수 필요 수가 많음

• 왜 유휴상태일때 유지보수가 필요한겨?????
  
  • 유지보수 o, 머신 상태 2 vs 유지보수 o, 머신 상태 1
    • 또 downtime_risk로 분리해서도 해보기
  • 결과
    • machine_status 1일 때와 2일 때 비교해보니 1의 경우에서 온도는 90부터 진동은 80부터 개수가 엄청 많음
      • 또 1일때 유지보수 예측 시간이 짧음
    • risk 0인 경우 머신 상태 별로 비교해보니 1일 때 유지보수 예측 시간이 짧음
    • risk 1인 경우 머신 상태 별로 비교해보니 1의 경우에서 온도는 90부터 진동은 80부터 개수가 엄청 많음
  • 유지보수 예측 시간을 상위권과 하위권으로 나눠서 시각화해보니 상위권은 2에 모여있음
    • 확인해봤지만 각 그룹의 차이가 보이지 않음

• downtime_risk가 0인데 유지보수가 필요한 경우는????
  • 유지보수 o, 머신 상태 2 vs 유지보수 o, 머신 상태 1
    • 여기서도 1의 경우 유지보수 예측 시간이 짧음
• risk 0 일때 유지보수 시간 짧은이유와 risk 1일 때 유지보수 시간이 분포되어있는 이유는??

 

정리

 

• 머신 상태가 1일 때 유지보수 예측 시간이 짧다는 점을 보면, 머신 상태 1이 2보다 더 빠르게 고장이 발생하거나, 단기적인 유지보수가 자주 필요할 가능성이 높음.
• 머신 상태 1에서는 온도 90, 진동 80 이상의 수치에서 유지보수 필요 개수가 급격히 증가하므로, 이 지점을 임계값으로 설정하여 조기 유지보수를 고려하는 것이 효과적일 수 있음.
• downtime_risk가 0인데 유지보수가 필요한 경우가 있다는 점은, 기존 유지보수 예측 모델이 downtime_risk와 다른 요인을 반영하고 있을 가능성이 있음 → 추가적인 분석이 필요함.

 

온도 90 또는 진동 80 위로는 maintenance_required, downtime_risk가 모두 1