기계 학습 및 딥 러닝 알고리즘을 이용한 기계 고장 예측

Industry 4.0은 물리적 프로세스의 이해 및 최적화를 위해 실시간 데이터 분석을 강조합니다. 본 연구는 UCI 저장소의 Predictive Maintenance Dataset을 활용하여 기계 고장 예측 및 분류를 수행합니다. 연구 목적은 두 가지로, 기계 고장 분류에서 기계 학습 알고리즘의 성능 비교와 딥 러닝 기법의 예측 정확도 향상 여부 평가입니다. 다양한 기계 학습 알고리즘을 탐색한 결과, XG Boost Classifier가 가장 효과적인 것으로 나타났습니다. 딥 러닝 알고리즘인 Long Short-Term Memory (LSTM)는 전통적인 기계 학습 및 인공신경망(ANN)보다 기계 고장 예측에서 뛰어난 정확도를 보였습니다. 본 연구의 새로움은 불균형 데이터셋에 기계 학습과 딥 러닝 모델을 적용하고 비교했다는 점입니다. 연구 결과는 산업 관리 및 연구에 중요한 시사점을 제공합니다. 본 연구는 예측 유지보수에서 기계 학습 및 딥 러닝 알고리즘의 효과를 입증하여 선제적 유지보수 개입 및 자원 최적화를 가능하게 합니다.