40분
센서 데이터 전처리: 이상치 & 결측치 처리
Day 2: 시계열 센서 데이터 처리
센서 데이터 전처리: 이상치 & 결측치 처리
예지보전 — 설비 고장 예측 시스템 > Day 2: 시계열 센서 데이터 처리
학습 목표
센서 데이터의 이상치를 탐지하고 처리할 수 있다 결측치 보간 전략을 상황에 맞게 선택할 수 있다 전처리 파이프라인을 구축할 수 있다
센서 데이터 전처리
산업 센서 데이터는 노이즈, 이상치, 결측치가 흔하다. 전처리 품질이 모델 성능의 80%를 결정한다.
이상치 원인
[센서 이상치 발생 원인]
1. 센서 오작동 (전원 불안정, 접촉 불량)
2. 통신 에러 (패킷 손실, 프로토콜 오류)
3. 환경 변화 (급격한 온도 변화)
4. 실제 이상 (이건 제거하면 안 됨!)핵심 구분
| 유형 | 처리 | 예시 |
|---|---|---|
| 센서 노이즈 | 제거/보간 | 순간 스파이크 |
| 실제 이상 | 보존 | 열화에 의한 점진적 변화 |
아래 코드를 preprocessing.py로 저장하고 실행하세요.
에디터 로딩 중...
힌트 보기
- • 시계열 이상치는 Rolling Window 방식이 가장 적합하다
- • IQR이나 Z-Score는 정적 분포를 가정하므로 추세가 있으면 오탐이 많다
- • 실제 이상(열화 신호)을 제거하지 않도록 주의한다
- • 결측 구간이 길면 보간보다 해당 구간 제거가 안전하다
AI로 학습하기 — 꿀팁
✅이상치 처리 로직 반례 탐지AI 학습 팁
AI에게 센서 이상치 처리 코드에서 정상 고장 신호를 이상치로 잘못 제거하는 오탐(False Positive) 시나리오를 찾아달라고 요청하세요.
이 제조 센서 데이터 이상치 처리 코드(IQR·Z-score 방식)에서, 설비가 실제로 고장 직전에 발생하는 비정상 센서 스파이크를 이상치로 잘못 제거하는 케이스를 찾고, 이를 보호하기 위한 RUL 기반 조건부 필터링을 제안해줘.
이 팁이 도움이 됐나요?
실습 — 직접 해보기
🧪제조 데이터 파이프라인
센서 데이터 수집→전처리 흐름을 시각적으로 확인해보세요