영상 핵심 정리 — 예지보전 개론 & Python 시계열

보전 유형	방식	비용 지수	다운타임
사후보전 (BM)	고장 후 수리	1.0	높음
예방보전 (PM)	주기적 교체	0.6	중간
예지보전 (PdM)	데이터 기반 예측	0.3	낮음
처방보전 (RxM)	AI 자동 처방	0.2	최소

import pandas as pd, numpy as np

df = pd.read_csv('vibration.csv', parse_dates=['timestamp'], index_col='timestamp')

# 1분 단위 집계
agg = df['vibration_g'].resample('1T').agg(['mean','std','max'])
agg['rms'] = df['vibration_g'].resample('1T').apply(
    lambda x: np.sqrt(np.mean(x**2))
)
print(agg.tail(5))

resample('1T').mean()으로 고빈도 신호 압축하면 저장 용량 1/600로 줄이면서 트렌드 분석에 필요한 패턴은 보존.

함정 주의: 리샘플링 전 결측값을 fillna(method='ffill')로 처리하지 않으면 RMS 계산이 NaN으로 오염. 실무에서는 결측 5% 이상이면 해당 배치 전체를 품질 이슈로 플래그.

다음 task와의 연결

다음 reading '센서 데이터 5종 특성'에서 진동·온도·전류·음향·압력의 물리적 특성과 샘플링 주파수 설계 원칙을 다룬다.

예지보전(PdM) 시스템을 위한 진동 센서 시계열 데이터 전처리 파이프라인을 Python으로 작성해줘. pandas read_csv로 초당 1000샘플 데이터를 로드하고, 나이퀴스트 조건을 고려한 샘플링 주파수 설정과 resample('1T').mean()으로 1분 집계하는 코드를 포함해줘. PdM이 사후보전 대비 비용 1/3, 다운타임 30~50% 감소 효과를 검증하는 시뮬레이션도 추가해줘.