인공지능 제조 플랫폼

무료 제조AI데이터셋

회전기계 고장유형 AI 데이터셋

고장 분석 및 진단을 위한 회전 설비의 진동데이터

업종		기타	유형	csv
목적		예지보전	제조데이터 등록일	Mon Dec 27 17:19:10 KST 2021
사용조건		콘텐츠 변경허용	최종 수정일자	Wed Apr 02 14:47:44 KST 2025
제공기관		KAIST (기계공학과 이필승교수)
태그		#회전설비, #진동데이터, #고장분석, #고장진단, #DNN, #CNN, #RNN, #사고예방, #생산효율향상, #고장데이터부족, #testbed, #진동신호모니터링
내용	적용공정	회전기계
내용	제조AI데이터셋 소개	회전 설비의 고장을 진단하기 위한 제조AI분석과정을 담은 데이터셋과 가이드북입니다. 데이터 불균형 해소를 위하여 testbed를 통해 데이터를 수집하였으며, DNN, CNN, RNN 알고리즘을 학습시켜 회전 기계의 생산 효율 향상을 도모합니다.

제조AI데이터셋 요약

NO	구분		내용
1	분석 목적(현장이슈, 목적)		산업 현장에서 사용되는 기계 구조물은 대부분 정상 상태로 가동되며, 수집되는 데이터 역시 정상 유형이 90% 이상을 차지한다. 고장유형의 경우 자연 발생적으로 취득되는 데이터가 매우 희박하고, 실제 구조물에 인위적인 고장을 가하여 데이터를 취득하는 방식은 비효율적이므로, 이는 데이터 간 불균형 문제를 초래할 수 있다. Rotor testbed를 이용하면, 여러 유형의 고장에 대해 특징을 분석하고, 정상 및 고장의 유형을 분류할 수 있는 충분한 양의 고장 데이터를 수집할 수 있다. 많은 산업 현장(발전소 등)에서 주로 사용되는 회전 설비의 진동데이터를 수집하고, 고장을 분석 및 진단하는 학습 모델을 구축하여, 이후 기술 확장을 통해 발전소나, 대규모 공장의 자동화 라인 등에 활용을 목표로 한다.
2	제조데이터셋 형태 및 수집방법 (csv, json, image 파일 등)		분석에 사용된 변수 : Sensor 1-4(Z 방향 진동데이터, m/s2) 수집 방법 : Signal link에서 제작한 rotor testbed 데이터셋 파일 확장자 : *.csv
3	제조데이터 개수 / 제조데이터셋 총량		데이터 개수 : 약 1,500,000개(2 sensor groups) 데이터셋 총량 : 73.0 MB
4	분석적용 알고리즘	알고리즘	심층신경망(DNN), 합성곱신경망(CNN), 순환신경망(RNN)
4	분석적용 알고리즘	간략소개	심층신경망(DNN)은 인공신경망에서 모델 내 은닉층을 많이 늘려서 학습의 결과를 향상시키는 방법이다. 합성곱신경망(CNN)은 인공신경망의 한 종류이며, 주로 Matrix 데이터나 이미지 데이터에 대하여 특징을 추출하는 데에 쓰인다. 순환신경망(RNN)은 인공신경망 종류 중 하나로 과거의 학습을 가중치를 통해 현재 학습에 반영하는 특징을 가지기 때문에, 진동데이터와 같은 순차적인 데이터(sequential data) 학습에 사용된다.
5	분석결과 및 시사점		Rotor testbed를 이용하여 정상 및 고장 데이터셋을 구축하고, 전처리된 데이터를 학습하여 고장을 검출, 진단하는 인공지능 모델을 구축하였다. 개발된 인공지능 모델은 기술 확장을 통해, 진동데이터를 모니터링하는 산업 현장에서 회전 설비의 정상/비정상 진단에 활용될 것으로 기대한다.
6	제조데이터셋 활용(분석)을 위한 최소 요구환경		필요 SW : Python, Anaconda – Jupyter notebook 등 필요 패키지 : Pytorch, pandas, seabeorn, scikit-learn, matplotlib 분석 환경 : [CPU]i7-8700, [RAM]16GB

제조AI데이터셋 형태 미리보기

-	-	-	-	-
0	-0.8533067	-3.464579	0.5552186	3.919664
0.000736	-0.740463	-2.448986	-0.2346869	4.145351
0.001472	-0.1386302	-1.922383	-0.00899959	2.941685
0.002208	0.04944256	-0.9067899	-0.2723014	2.603155
0.002944	-0.2890884	-0.5682589	-0.9869779	1.361874
0.00368	-0.4019321	0.447334	-0.7989052	1.060958
0.004416	0.3127444	1.237239	-1.062207	0.2334378
0.005152	-0.1386302	1.876687	-1.475967	-0.4812386
0.005888	-0.1010156	3.117967	-1.363123	-0.2931659
0.006624	0.1622862	3.569341	-1.701654	-1.572061
0.00736	0.8393481	3.682185	-1.475967	-2.47481
0.008096	-0.1762448	4.434476	-1.363123	-2.926184
0.008832	0.6512753	5.036309	-1.701654	-3.565632
0.009568	1.591639	5.149153	-1.287894	-4.017006
0.010304	-0.1010156	5.750985	-1.099822	-4.12985
0.01104	0.6512753	6.20236	-1.024592	-4.919755
0.011776	0.6512753	5.412454	-0.7989052	-5.559203
0.012512	0.6512753	5.863829	-0.7612906	-5.258286
0.013248	0.8393481	5.901443	-0.8741343	-6.19865
0.013984	0.8017335	5.073924	-0.6108324	-5.897734
0.01472	1.290723	5.750985	-0.1594578	-5.747275
0.015456	0.6512753	4.660163	-0.5732178	-5.672046
0.016192	0.6136608	4.095945	-0.2723014	-5.333515
0.016928	0.6136608	4.472091	-0.1970724	-5.747275
0.017664	0.6512753	2.89228	-0.5732178	-4.731682
0.0184	0.6136608	3.343654	-0.4227597	-4.656454
0.019136	0.6512753	1.726229	0.02861496	-3.753704
0.019872	0.5760463	1.049167	0.06622951	-3.30233
0.020608	0.3503589	0.861094	-0.08422869	-3.151871
0.021344	0.7265044	0.108803	0.02861496	-1.910591

회전기계 고장유형 AI 데이터셋

제조AI데이터셋 요약

제조AI데이터셋 형태 미리보기

활용 목적

출처 표기방법

활용 목적

출처 표기방법