플러스프로젝트 배경
1) 문제점 - 제조 설비 센서 14개의 시계열 데이터에서 이상 징후를 사람이 육안으로 판단, 누락과 지연 발생 - 이상 데이터가 정상 대비 극히 적고 라벨이 불완전해 일반적인 분류 모델 적용 불가 - 센서마다 데이터 특성이 달라 하나의 기준으로 탐지 불가 2) 프로젝트 목표 - 센서 데이터 기반 이상 징후 자동 탐지 시스템 구축 - 오탐율을 낮추면서 탐지율 유지 - 클라이언트가 결과를 직접
프로젝트 성과
비지도 75개 + 지도 45개 하이브리드 탐지 구조 구축
단일 모델 한계를 넘기 위해 센서별 비지도 모델로 1차 스크리닝, 지도 모델로 2차 판정하는 2단계 구조 설계·구현
14개 센서 개별 피처 엔지니어링 적용
센서마다 통계·변화율·주기성 기반 3종 피처를 조합해 센서 특성에 맞는 탐지 기준 확보
3차 납품 완료 및 장기 계약 유지
2차·3차 고도화 납품 후 클라이언트 만족 확인, 4차 고도화 협의 중인 장기 유지보수 클라이언트
핵심 기능
2단계 하이브리드 이상 탐지
비지도 모델로 이상 후보를 넓게 잡고 지도 모델로 최종 판정, 탐지율은 유지하면서 오탐 감소
진행 단계
2차: 모델 비교 및 백엔드 구축
2026.03.
IF·OCSVM·AutoEncoder·LSTM AE·Transformer 5종 모델 구현 비교, FastAPI+SQLite 백엔드 구축
프로젝트 상세
[배경] 제조 설비에 부착된 14개 센서에서 수집되는 시계열 데이터를 기반으로 설비 이상 징후를 자동 탐지하는 시스템입니다. 이상 데이터가 정상 대비 극히 적고 라벨이 불완전한 상황이라 단일 모델로는 탐지율과 오탐율을 동시에 잡기 어려웠습니다. 클라이언트와 NDA 체결로 고객사명과 세부 데이터는 비공개입니다. [수행 내용] - 2차 개발: Isolation Forest, One-Class SVM, D
