산업데이터 분석

    기기 및 요일별 요인을 고려한 공조기 제어 시스템 지능화
    제품지능화 기계·로봇
    기기 및 요일별 요인을 고려한 공조기 제어 시스템 지능화

    산업 데이터를 활용하여 기기 및 시기별 특성을 파악하고 공조기 제어값을 예측하는 모델을 개발했다. 첫째, 데이터의 분포를 확인하고 이상치를 처리했다. 둘째, 공조기/요일/시간별로 데이터를 그룹화하여 공조기 및 시기별 실내외 정보 패턴을 파악했다. 셋째, XGBoost 알고리즘을 활용하여 외기댐퍼 개도값을 예측하는 모델을 학습하고 예측값을 실제값과 비교했다. 2022-11-21

    에너지 효율화를 위한 건물 특성 파악 및 예측
    서비스고도화 에너지
    에너지 효율화를 위한 건물 특성 파악 및 예측

    건물을 설계할 때 건물 내부의 면적, 유리창 면적, 건물 높이 등이 요인으로 건물 내의 온도가 달라질 수 있다. 냉각부하는 일정 공간의 온도를 낮추기 위하여 없애야 하는 열에너지의 총량을 의미하고 난방부하는 이와 반대로 온도를 유지하기 위하여 필요한 열에너지의 총량을 의미한다. 해당 데이터로 난방 부하와 냉각 부하에 영향을 미치는 건물 내부의 여러 지표들 분석하여 에너지 효율을 높이기 위한 냉각 및 난방부하 예측 모델을 학습했다. 첫째, EDA를 통해 데이터의 특성을 파악했다. 둘째, 상관분석을 통해 냉각부하 및 난방부하와 높은 상관관계를 갖는 변수를 추출했다. 셋째, 여러 모델을 학습하여 성능지표를 비교한 후 가장 성능이 좋은 학습모델로 냉각부하와 난방부하 값을 예측하여 실제값과 예측값을 비교해보았다. 넷째, 모델 학습에 높은 영향을 준 변수와 상관분석을 통해 파악한 상관관계가 높은 변수들을 시각화하여 인사이트를 도출했다. 2022-11-21

    고객 맞춤형 마케팅 전략 수립을 위한 고객 세분화(RFM 기법 활용)
    신산업/BM 창출 유통·물류
    고객 맞춤형 마케팅 전략 수립을 위한 고객 세분화(RFM 기법 활용)

    쇼핑몰 거래 데이터를 활용하여 주요 고객 특성에 적합한 마케팅 전략을 수립할 수 있다. UCI에서 제공하는 오픈 데이터를 활용하여 군집분석을 진행했다. 첫째, 데이터를 확인하여 결측치, 이상치의 여부를 파악하고 데이터의 특성을 이해했다. 둘째, 시장 세분화 분석에서 많이 사용하는 RFM 모델을 기반으로 최근성(Recency), 구매 빈도(Frequency), 구매 금액(Monetary)를 각각 산출했다. 셋째, 군집 분석으로 고객 그룹을 분류한 후 각 그룹의 특징을 파악하여 고객 그룹별 전략을 수립했다. 2022-11-21

    공정데이터를 활용한 기계 고장 유형 예측
    공정혁신 기계·로봇
    공정데이터를 활용한 기계 고장 유형 예측

    공정 데이터로 기계유지보수를 위한 기계고장예측 분석을 진행하였다. Failure Type 컬럼을 y값으로 하여 고장 유형 예측 분류 모델을 학습하였다. (1) EDA를 통해 데이터의 특성 파악(2) 데이터 필터링(3) 로지스틱회귀 모델을 이용하여 예측(4) 모델 학습 결과 파악 및 인사이트 도출 2022-11-21

    공정 주요 장비의 특성 분석
    공정혁신 뿌리산업
    공정 주요 장비의 특성 분석

    산업 데이터를 활용하여 공정 기기별 특성을 파악하고 비교하는 분석을 진행했다. 첫째, 데이터의 분포, 결측치, 이상치를 확인했다. 둘째, 분석에 오류를 만들 수 있는 이상치를 제거하고 분석에 활용할 컬럼을 선택한 후 필요한 타입으로 변경했다. 셋째, 데이터 분포를 시각화하여 공정 기기별 특성과 차이를 비교해보았다. 2022-11-18

    공정 작업자의 숙련도 평가
    공정혁신 뿌리산업
    공정 작업자의 숙련도 평가

    산업 데이터를 활용하여 표준 규격을 준수해야하는 항목에 대한 작업자별 평가 숙련도를 평가했다. 첫째, 데이터의 분포를 확인했다. 둘째, 필요한 컬럼을 선택하고 분석에 맞는 타입으로 변경했다. 셋째, 작업자별로 분류하여 각 이탈 평가 항목(100도 도달시간, 100도 유지시간, 총시간)의 분포를 파악하고 작업자의 평가 경향에 대해 파악했다. 2022-11-18