인공지능 제조 플랫폼

무료 제조AI데이터셋

품질 이상탐지,진단(크로메이트) AI 데이터셋

품질 이상 예측을 위한 크로메이트 공정 데이터 및 이미지 데이터

업종		뿌리(표면처리)	유형	jpg
목적		품질보증	제조데이터 등록일	Mon Dec 27 17:50:29 KST 2021
사용조건		콘텐츠 변경허용	최종 수정일자	Wed Apr 02 14:56:36 KST 2025
제공기관		KAIST (수행기관: ㈜에이비에이치/㈜임픽스)
태그		#크로메이트공정, #피막형성, #불량판별, #품질예측, #DecisionTree, #CNN
내용	적용공정	크로메이트 공정
내용	제조AI데이터셋 소개	크로메이트 공정에서 발생하는 데이터를 분석하여 완제품의 품질을 예측하기 위한 제조AI 분석과정을 담은 데이터셋과 가이드북입니다. 온도, pH, 전압, 시간 데이터를 수집하고 Decision Tree 알고리즘을 학습시켜 완제품의 품질예측을 도모합니다. 또한, 이미지 데이터를 CNN 알고리즘으로 학습시켜 육안으로 진행하던 품질검사를 자동으로 진행하여 보다 정확한 불량품 검출을 도모합니다.

제조AI데이터셋 요약

NO	구분		내용
1	분석 목적(현장이슈, 목적)		크로메이트 설비에서 발생하는 품질 불량 문제를 위해 현장에서 발생하는 데이터셋을 AI를 이용하여 분석할 수 있다. 데이터간의 상관관계를 찾고 각 AI 알고리즘을 활용한 크로메이트 공정 불량 예측 모델을 학습할 수 있다.
2	제조데이터셋 형태 및 수집방법 (csv, json, image 파일 등)		분석에 사용된 변수명 : LoT, pH, Temp, Voltage, Index, Time 데이터 수집 방법 : PLC 및 센서를 통해 실시간 데이터를 수신하여 수집된 시간을 기준으로 CSV 파일 형태로 저장 및 이미지 수집 장치를 통해 PNG 형태로 제품 이미지 저장한다. 데이터셋 파일 확장자 : CSV, PNG
3	제조데이터 개수 / 제조데이터셋 총량		데이터 개수 : 302,115개 데이터셋 총량 : 911MB
4	분석적용 알고리즘	알고리즘	Decision Tree(의사결정나무), Convolutional Neural Networks(CNN)
4	분석적용 알고리즘	간략소개	Decision Tree의 경우 머신러닝에서 분류 또는 예측 모형으로 사용되는 지도학습 방법론으로써, 중요 변수 중심의 의사 결정 규칙을 Tree 구조로 도표화하여 분석을 수행하며, 목표변수가 범주형인 경우와 연속형인 경우로 나눌 수 있다. CNN의 경우 데이터의 특징을 복수의 필터로 추출하고 강화하여 입력 데이터를 분류하는 딥러닝 알고리즘으로 이미지 처리 분야에서 사용한다.
5	분석결과 및 시사점		크로메이트 설비에서 수집된 데이터를 Decision Tree, CNN을 통한 데이터 분석으로 품질 예측 및 불량 판별 모델을 도출하였다. 시각적인 이유로 추가되는 크로메이트 공정에서 공정의 완성도가 최종 품질에 미치는 영향이 크며, 환경 영향 물질인 크롬이 개입되는 공정으로 공정 최적화를 통한 배출 저감 달성이 필요한 제조기업현장의 실질적인 품질 예측 및 비용 절감을 기대한다.
6	제조데이터셋 활용(분석)을 위한 최소 요구환경		필요 SW : Python, Anaconda, Jupyter Notebook 필요 패키지 : pandas, sklearn, matplotlib, numpy, matplotlib, autokeras, datetime, seaborn, math, os 분석 환경 : [CPU] AMD Ryzen 7 5800X, [Memory] 64GB, [GPU] NVIDIA GeForce RTX 3070

제조AI데이터셋 형태 미리보기