AI로 설비 이상을 사전에 감지하는 방법! – 스마트팩토리 데이터 분석 실전

📅 2025.05.29
✍️ by 메타송이 | 🔍 #스마트팩토리 #설비예지보전 #AI분석 #Python #산업데이터분석

---

✅ 오늘의 주제

공장 설비 데이터를 기반으로 **"AI로 이상 탐지"**를 실현해보자!
이 글에서는 실제 **제조 데이터(CSV)**를 활용하여

• 설비 이상 여부를 감지하고,
• 설비 간 상관관계를 시각화하고,
• 향후 예지보전(Predictive Maintenance)에 적용하는 방법까지
  실습합니다.

---

📂 분석에 사용된 데이터

• 설비 센서 테이블: csv
• 주요 컬럼:
  • 설비 ID (ex. EQ01 ~ EQ29)
  • 생산 사이클 시간
  • 데이터 수집 시점
  • 작업 구분 코드 (STR/END)

📌 총 데이터 건수: 14,955건

---

🔍 1. 데이터 시각화 – 설비별 사이클 시간 추이

sns.lineplot(data=df, x='데이터 수집 시점', y='생산 사이클 시간', hue='설비 ID')

• EQ10, EQ25 등 일부 설비에서 급격한 상승 구간이 포착됨
• 대부분은 0~100초 사이에서 동작하지만, 일부는 8,000초를 넘음 ❗
  

  

 

---

🧠 2. 상관관계 분석 – 어떤 설비가 비슷하게 움직일까?

pivot_df = df.pivot_table(index='데이터 수집 시점', columns='설비 ID', values='생산 사이클 시간')
sns.heatmap(pivot_df.corr(), annot=True)

• EQ25 ↔ EQ29: 0.90 이상으로 매우 유사한 패턴!
• 협업 혹은 동일라인 추정 가능
  

  

---

🚨 3. 이상 탐지 – AI가 감지한 비정상 설비

이상 탐지 기준:

threshold = df['생산 사이클 시간'].mean() + 3 * df['생산 사이클 시간'].std()
df['is_anomaly'] = df['생산 사이클 시간'] > threshold

• 평균 + 3σ 기준으로 이상치 탐지
• EQ10, EQ20에서 비정상적으로 긴 생산 시간 감지됨

✅ 시각화 결과: 빨간 점이 이상치!

---

🧭 4. 예지보전을 위한 다음 스텝은?

• 작업 STR/END 구간을 기준으로 작업 시간 측정
• 설비별 평균 작업시간 비교 → 위험도 지표화
• 향후 AutoEncoder, LSTM 등으로 고장 예측 모델 적용 가능

---

📌 마무리 요약

항목결과

데이터 크기	14,955건
이상치 탐지 기준	평균 + 3표준편차
가장 유사한 설비쌍	EQ25-EQ29
시각화 도구	Matplotlib, Seaborn
활용 기술	Python, Pandas, Scikit-learn

 

---

🏁 이런 분들에게 추천합니다!

• 제조 현장에서 AI 이상탐지를 도입하고 싶은 개발자
• 스마트팩토리 데이터를 분석하는 데이터 사이언티스트
• ICT 기반 설비 모니터링 솔루션에 관심 있는 분

---

🔖 추천 태그

#스마트팩토리, #AI이상탐지, #Python분석, #산업DX, #설비예지보전, #Seaborn, #Pandas, #제조AI, #ICT, #티스토리분석블로그