🏆10분
포트폴리오 정리: 설비 고장 예측 시스템
Day 5: 실전 프로젝트 — 설비 고장 예측 시스템
포트폴리오 정리: 설비 고장 예측 시스템
예지보전 — 설비 고장 예측 시스템 > Day 5: 실전 프로젝트 — 설비 고장 예측 시스템
요구사항
이번 주(Week 11) 전체 실습 코드를 GitHub 저장소에 정리한다
README.md에 시스템 아키텍처 다이어그램을 포함한다
모델 성능 비교 결과(RMSE, MAE, Score)를 표로 정리한다
대시보드 스크린샷을 포함한다
평가 기준
- • 코드가 재현 가능한가 (requirements.txt, 실행 방법 명시)
- • 센서 EDA → 피처 추출 → 모델링 → 배포까지 흐름이 완성되었는가
- • 모델 비교가 공정하고 결론이 명확한가
보너스
- • Docker로 대시보드를 컨테이너화
- • CI/CD 파이프라인 구성 (모델 재학습 자동화)
AI로 학습하기 — 꿀팁
🤖설비 고장 예측 포트폴리오 사업화 가능성 검토AI 학습 팁
완성한 예지보전 포트폴리오를 실제 제조 AI 서비스로 발전시킬 수 있는지 AI가 진단합니다.
내가 완성한 '설비 고장 예측 시스템' 포트폴리오: [데이터: CMAPSS + 자체 수집 진동 데이터 / 모델: LSTM 기반 RUL 예측 + Random Forest 고장 분류 / 인터페이스: Streamlit 대시보드(실시간 RUL 표시, 정비 알람) / 정확도: RUL RMSE 18 사이클, 고장 분류 F1 0.89]. 이 포트폴리오를 다음 관점에서 검토해주세요: 1) 중소 제조기업 대상 SaaS로 상품화할 때 MVP 기능 5개와 월 구독료 적정 범위, 2) '우리 공장 데이터는 CMAPSS와 다르다'는 고객 objection에 대한 기술적 대응(전이학습, 도메인 적응), 3) 포트폴리오를 3분 이내에 의사결정자에게 설명하는 엘리베이터 피치 스크립트, 4) 현재 시스템의 가장 큰 기술적 취약점과 6개월 안에 개선할 수 있는 로드맵.
이 팁이 도움이 됐나요?