22.05.02 설비 로봇 수명 예측(RUL) 연구 아이디어

1. 데이터의 전처리를 어떻게 하였는지?

2. 모델을 구성을 어떻게 했는지?
3. 평가 지표는 어떤 것을 사용했는지?

추가점수 (논문에서 사용한 기법을 재구현 + 데이터분석 - feature 들 간의 관계 분석, 데이터 feature들의 분포, metric들에 대한 insight(RMSE, MAE, MSE 중 뭐가 좋을지)

 

 

1. 데이터의 전처리를 어떻게 하였는지? (데이터분석 - feature 들 간의 관계 분석, 데이터 feature들의 분포 파악)

# Names 
MachineID_name = ["Section-0"] # unit id (FD002의 1번기계, 2번기계, 3번기계..)
RUL_name = ["Section-1"] # Cycle 횟수
OS_name = ["Section-{}".format(i) for i in range(2,5)] # 세팅값 (Section-2,3,4)
Sensor_name = ["Section-{}".format(i) for i in range(5,26)] # 센서값 (Section-5,6,7,8..25)

# Data in pandas DataFrame
MachineID_data = data[MachineID_name]
RUL_data = data[RUL_name]
OS_data = data[OS_name]
Sensor_data = data[Sensor_name]

# Data in pandas Series
MachineID_series = data["Section-0"]
RUL_series = data["Section-1"]

참고 블로그 1,2편

https://da-nika.tistory.com/102

NASA Dataset을 이용하여 predictive - maintenance 하기 전 데이터 살펴보기

https://www.svds.com/getting-started-predictive-maintenance-models/

 

 

중요한 것 : 내가 사용하려는 모델의 데이터셋과, 우리가 쓰려는 데이터셋이 비슷하게 생겼는지.. 데이터 뜯어보기

(사용하는 데이터가 시계열 데이터 맞는 지와 그게 아니더라도 저 모델의 적합한 데이터인지 판별)

 

x축과 y축이 관계가 있느냐? 

- TFT (전기데이터, 교통량예측데이터)

 

- Transformer (서인천IC-부평IC 교통량)

 

- ARISMA, LSTM, FP, Informer (서인천IC-부평IC 교통량)

 

 

 

2. 모델 구성을 어떻게 했는지? (논문에서 사용한 기법을 직접 구현, 또는 프레임워크(porting)/알고리즘의 장점을 살려 다르게 변형하여 성능을 향상)

- 그냥 LSTM과 AR만 사용하는 것보다 더 좋은 성능을 내야 한다.

- SOTA 모델(특정 분야에 대해 가장 높은 성능을 달성한 모델)을 사용.

2-0. 분야별 SOTA 모델 모음 사이트

https://paperswithcode.com/area/time-series

 

2-1. SOTA까지는 아니지만 CNN-LSTM

https://www.koreascience.or.kr/article/JAKO202111037332947.pdf

2-2 TFT(Temporal Fusion Transformer)

https://bigwaveai.tistory.com/5?category=953606 

SOTA 알고리즘 리뷰 1 - Temporal Fusion Transformer

- TFT 코드 모음 사이트

https://paperswithcode.com/paper/temporal-fusion-transformers-for

Papers with Code - Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting

 

2-3. ARIMA, FP, LSTM, Transformer, Informer 모델

- pytorch에서 time_series task 에 Transformer 적용

https://github.com/oliverguhr/transformer-time-series-prediction

GitHub - oliverguhr/transformer-time-series-prediction: proof of concept for a transformer-based time series prediction model

- tensorflow기반 time_series task에 Transformer 적용

https://dacon.io/competitions/official/235689/codeshare/2399?dtype=recent 

수상제외 / Transformer

- Time Series Forecasting - Transformer

https://doheon.github.io/%EC%BD%94%EB%93%9C%EA%B5%AC%ED%98%84/time-series/ci-4.transformer-post/

[코드구현] Time Series Forecasting - Transformer

- Time Series Forecasting - ARIMA, FP, LSTM, Transformer, Informer

https://doheon.github.io/%EC%84%B1%EB%8A%A5%EB%B9%84%EA%B5%90/time-series/ci-6.compare-post/

[성능비교] Time Series Forecasting - ARIMA, FP, LSTM, Transformer, Informer

 

2-4. PANDA, DEVNET, GAN, OCNN

https://bigwaveai.tistory.com/6?category=953606 

SOTA 알고리즘 리뷰 2 - Anomaly detection(PANDA, DEVNET, GAN,OCNN)

 

3. 평가 지표는 어떤 것을 사용했는지?

3-1. MSE, MAE, RMSE

https://rfriend.tistory.com/667

[Python 시계열 자료 분석] 시계열 모형의 예측 성능 평가 지표

https://hofe-rnd.tistory.com/entry/%EB%AA%A8%EB%8D%B8-%EC%84%B1%EB%8A%A5%EC%A7%80%ED%91%9C-Python-%EC%BD%94%EB%93%9C-Regression-%EC%84%B1%EB%8A%A5-%EC%B8%A1%EC%A0%95-%EC%A7%80%ED%91%9C-%EC%B4%9D%EC%A0%95%EB%A6%AC

[모델 성능지표& Python 코드] Regression - 성능 측정 지표 총정리

3-2. 사전에 RUL을 예측함으로써, 일정 수치 이하로 떨어질때 사전에 알람을 주는 것 -> 이 때 저 일정 수치의 Threshold에 대한 탐색/예측

https://www.mathworks.com/content/dam/mathworks/ebook/estimating-remaining-useful-life-ebook.pdf

MATLAB 잔여수명예측에 관한 코드들

https://kr.mathworks.com/help/predmaint/examples.html

예제 목록 - MATLAB & Simulink - MathWorks 한국

유사성 기반 RUL 측정

https://kr.mathworks.com/help/predmaint/ug/similarity-based-remaining-useful-life-estimation.html

유사성 기반 잔여 수명 추정 - MATLAB & Simulink - MathWorks 한국

 

풍력 터빈 고속 베어링 예지진단

https://kr.mathworks.com/help/predmaint/ug/wind-turbine-high-speed-bearing-prognosis.html

풍력 터빈 고속 베어링 예지진단 - MATLAB & Simulink - MathWorks 한국

 

Remaining Useful Life Estimation Using Convolutional Neural Network

https://kr.mathworks.com/help/predmaint/ug/remaining-useful-life-estimation-using-convolutional-neural-network.html

Remaining Useful Life Estimation Using Convolutional Neural Network - MATLAB & Simulink - MathWorks 한국