🏆15분
도전 과제: 최적 고장 분류 모델 선정
Day 3: 고장 분류 모델
도전 과제: 최적 고장 분류 모델 선정
예지보전 — 설비 고장 예측 시스템 > Day 3: 고장 분류 모델
요구사항
RF, XGBoost, 1D-CNN, LSTM, Voting 앙상블 중 최소 3개를 학습한다
고장 임박 클래스(label=2)의 Recall을 기준으로 최적 모델을 선정한다
비용 매트릭스를 적용하여 총 비용이 가장 낮은 모델을 보고한다
최종 선정 이유를 3줄 이내로 정리한다
평가 기준
- • 3개 이상 모델을 공정하게 비교했는가 (동일 데이터, 동일 분할)
- • 고장 Recall ≥ 90%를 달성했는가
- • 비용 분석이 현실적인가
보너스
- • 임계값 조정으로 Recall 95% 이상 달성
- • Class Weights와 SMOTE 효과 비교
AI로 학습하기 — 꿀팁
🤖최적 고장 분류 모델 선정 과정 검토AI 학습 팁
선정한 최적 고장 분류 모델의 의사결정 과정과 배포 시 발생할 실제 문제를 AI가 검토합니다.
CMAPSS 데이터셋 기반 최적 고장 분류 모델로 [모델명: 예, 선정 이유: 예]를 선정했습니다. 선정 과정에서 사용한 평가 지표와 교차검증 방법을 설명하면서 다음을 검토해주세요: 1) CMAPSS 테스트 데이터에서 좋은 성능이 실제 공장 배포 후에도 유지된다고 보장할 수 없는 이유(분포 이동, 미지의 고장 모드), 2) 선정한 모델이 '신규 엔진 타입'에 적용될 때 재학습 없이 사용 가능한지 판단하는 방법, 3) 이 모델을 제조 MES(Manufacturing Execution System)에 API로 연동할 때 필요한 입력/출력 인터페이스 설계, 4) 모델 예측 결과를 현장 정비팀에게 신뢰할 수 있게 설명하는 방법(XAI 관점).
이 팁이 도움이 됐나요?