▶️25분

[영상] 설비 진단 및 예지보전 ML 솔루션

Day 5: 실전 프로젝트 — 설비 고장 예측 시스템

학습 목표

진동·온도·전류 다변량 결합 고장 예측 시스템 아키텍처를 설계할 수 있다 원프레딕트·GE 등 산업 사례 ML 솔루션의 ROI 구조를 분석할 수 있다 MLOps 관점에서 예지보전 모델의 재학습(drift detection) 전략을 설명할 수 있다 고장 예측 결과를 CMMS와 연동하는 알림 파이프라인을 설계할 수 있다

플레이어 로딩 중...

핵심 포인트

• 멀티 센서 앙상블: 단일 센서 대비 고장 탐지율 15~25% 향상
• 모델 드리프트 감지: PSI(Population Stability Index) >0.25면 재학습
• 알림 임계값은 비용 비대칭(고장 비용 >> 오경보 비용) 고려, 재현율 우선
• 초기 데이터 부족해도 산업 표준 기준값으로 진단 가능

이전 다음