제조AI빅데이터 분석기법 (코딩편)

저자 소개
제조AI빅데이터 분석기법(코딩편)을 읽는 분들께
챕터별 실습 제조AI데이터셋

Chapter 1. 제조AI 개관

1. 제조데이터 및 AI의 등장
2. 제조데이터 개관
2.1 제조데이터란?
2.2 제조AI데이터셋이란?
2.3 제조데이터 형태
2.4 제조데이터 품질 및 평가체계
2.5 제조데이터 표준
2.6 제조데이터 가격책정

3. 제조AI 개관
3.1 제조AI란?
3.2 지도학습과 비지도학습
3.3 제조AI 거버넌스 및 구성요소
3.4 제조AI 개발 및 적용의 과학적 수행절차

4. 제조데이터 및 AI 분석목적
4.1 기술적 제조데이터 및 AI 분석목적
4.2 경영 전략적 제조데이터 및 AI 분석목적

5. 제조데이터 및 AI 지능형 공장의 주요 성과지표
6. 빅블러 시대의 제조데이터 및 AI 싸이언티스트
- Quiz 확인문제
- 별첨 : 2023년 하노버 메세 한국팀 기사
- 인터뷰 : 스마트제조혁신추진단 안광현 단장
- 별첨 : KAMP 플랫폼 제조AI데이터셋 정리표

Chapter 2. 제조AI 개발환경 설정

1. 아나콘다(Anaconda) 설치
2. 주피터 노트북(Jupyter Notebook) 실행하기
3. 가상환경 만들기
4. 텐서플로우(TensorFlow) 설치하기
- Quiz 확인문제

Chapter 3. 제조AI 개발 맛보기

1. 화학물 제조공장 현장 문제 파악
2. 제조데이터 준비하기(KAMP 제조데이터 거래소)
2.1 양품 제조데이터 준비하기
2.2 불량 제조데이터 준비하기

3. 제조 AI 프로그램(K-최근접 이웃 알고리즘)
3.1 첫 제조AI 코딩 시작점
3.2 제조데이터 라벨링
3.3 훈련세트와 테스트세트 구축
3.4 제조AI 모델 생성, 예측

4. 전체 소스코드
- Quiz 확인문제

Chapter 4. 제조AI데이터 품질관리(전처리)

1. 제조AI데이터셋 품질관리 개요
2. 실습에 활용할 제조AI데이터셋 다운로드
3. ‘제조AI데이터셋 품질확보 방법론’ 실습
3.1 완전성 평가 및 확보
3.2 유효성 평가 및 확보
3.3 일관성 평가 및 확보
3.4 유일성 평가 및 확보
3.5 정확성 평가 및 확보
- Quiz 확인문제

Chapter 5. 숫자 제조데이터 기반 AI 개발

1. 사출성형 제조공장 현장 문제 파악
2. 사출성형 제조데이터 준비하기
3. 제조AI 프로그램(Random Forest)
3.1 제조데이터 불러오기
3.2 제조데이터 탐색하기(EDA, Exploratory Data Analysis)
3.3 제조데이터 전처리
3.4 제조AI 모델 생성 및 학습
3.5 정답(양품/불량) 예측하기
3.6 변수 중요도 확인하기

4. 전체 소스코드
- Quiz 확인문제

Chapter 6. 이미지 제조데이터 기반 AI 개발

1. 전기아연도금 제조공장 현장 문제 파악
2. 전기아연도금 제조데이터 준비하기
3. 제조AI 프로그램(CNN)
3.1 제조데이터 경로 지정
3.2 제조데이터 전처리 옵션 설정
3.3 제조데이터 불러오기 및 전처리
3.4 제조AI 모델 생성 및 평가
3.5 제조AI 모델 평가
3.6 제조AI 모델 테스트

4. 전체 소스코드
- Quiz 확인문제

Chapter 7. 소리 제조데이터 기반 AI 개발

1. 도금 제조공장 현장 문제 파악
2. 도금 열풍건조 소리 제조데이터 준비하기
3. 제조AI 프로그램(LSTM)
3.1 소리 제조데이터 살펴보기
3.2 제조데이터 불러오기 및 특징 추출
3.3 제조데이터 전처리
3.4 제조AI 모델 생성
3.5 제조AI 모델 평가

4. 전체 소스코드
- Quiz 확인문제

맺음말

부록
부록 A ｜ 교재 실습, 유형별 제조AI데이터셋 정리표
부록 B ｜ KAMP 플랫폼, 실습 제조데이터셋 다운로드 방법
부록 C ｜ Quiz 확인문제 정답 및 해설

“일상생활에서 사용하는 표준(standards)이란 단어는 사물이나 서비스의 일반적인 또는 평균적인 것을 말할 때 사용합니다. 이 평균적인 것을 가지고 일종의 약속을 만드는 것입니다. 표준의 목적은 일종의 약속을 정해놓고 사람들 사이에 발생할 수 있는 혼선을 미연에 방지하는 것입니다. 그러므로 표준은 신뢰가 있어야 합니다. 일상 속 표준의 예를 들면 A4용지는 국제표준화기구(ISO)가 정해놓은 210×297mm로 규격표준을 따릅니다. 이는 종이를 자를 때, 가로와 세로 비율을 유지하게 함으로써 기업들 간의 종이의 낭비를 줄이기 위함입니다.”

“텐서플로우(TensorFlow)란 구글이 머신러닝 모델을 보다 쉽게 구축할 수 있도록 제공하는 라이브러리입니다. 텐서플로우는 다음 그림과 같이 Python, C++, Java, Go 등 다양한 언어를 지원합니다. 특히, 제조현장에 빅데이터, AI 기술 적용을 위해 널리 활용되는 Python 기반의 다양한 라이브러리를 집중적으로 지원하기 때문에 제조AI 딥러닝 모델 개발 시 텐서플로우를 주로 활용합니다.”

“제조AI 이진분류 알고리즘을 개발하기 위해서는 양품과 불량 제조데이터 모두가 준비되어야 합니다. 그러나 현실적으로, 제조현장에서 불량 제조데이터는 양품 제조데이터에 비해 획득하기가 매우 힘듭니다. 그러므로 제조AI 구축 시 대부분 현장에서 양품 제조데이터 대비 불량 제조데이터가 적은 Class imbalance(양품 | 불량 클래스 불균형) 현상이 나타나 제조AI 개발이 지연되는 어려움을 겪는 것이 다반사입니다.”