[강의노트] KDT_day27_260211

프로젝트 day13_260211_개발 일지

데이터 분석 팀 업무 공유

OHT, AGV 데이터 EDA는 완료된 상태.

모델 작업은 계속 진행 중.

XGBoost 분류 모델 사용해서 status의 2,3을 예측.

(status 0,1은 정상, 주의 / 2,3은 경고, 위험 상태라서 3,4 status가 뜨는 경우 기기를 멈추고 점검을 해야 하는 상황)

모델 수정에 있어서 두 가지 성능 지표를 사용.

1. 기기고장 - Recall(재현도)

2. 오경보 - Precision(정밀도)

기기고장이 가장 최우선 지표. Recall이 의미하는 것은 실제 양성(경고&위험) 중에서 양성을 맞춘 비율. 우리 모델의 경우 기기고장을 예측하는 모델이므로 경고&위험을 잘 잡아내는 것이 중요하다.

오경보는 다음 우선 지표. Precision은 양성(경고&위험)이라고 예측 한 것 중에서 실제 양성이었던 비율. 우리 모델의 경우 이 값이 낮으면 경고&위험이 아닌데도 경보를 보내는 모델이 된다. 이 경우 공정 운영에 있어서 실제 고장이 아닌데도 설비를 자주 정지시켜야 하는 모델이 되므로 오경보를 많이 내는 모델이 된다. 그러므로 우리 모델에서 Precison 값은 Recall 값 다음으로 중요하다.

기존 모델 학습에서 두 성능 지표 95% 이상이 나왔었지만 기울기, 표준편차를 계산할 때 구간 설정이 잘못돼서 일부 데이터만 학습에 들어가서 이렇게 되었다는 것을 최근에 알게 됨. 그래서 이 부분 수정하는 작업 진행 중. Recall, Precision 모두 95% 이상 나오도록 하는 것을 목표로 작업 중.

BI 팀 작업 내용 공유

백엔드팀 팀원이 결석하여 DB에 접근 불가능. DB에 접근을 못하면 태블로 작업을 할 수 없기 때문에 현재까지 만든 BI를 이전에 cursor로 만든 대시보드 UI와 연동이 가능한지 확인.

대시보드에 태블로 차트 임베딩

cursor로 만든 대시보드 프론트엔드에 태블로 차트 임베딩 성공.

임베딩 방법 : Tableau Public에 태블로 대시보드 게시한 이후에 임베딩 코드와 URL 복사해서 cursor 에이전트에게 전달. 대시보드에 임베딩. 그 과정에서 ChatGPT로 메타프롬프팅

다크모드 대시보드

대시보드에 다크모드 기능 추가. 다크모드 UI와 태블로 차트가 어울리로독 연결하는 기능도 추가.

데이터 팀 오늘 작업 성과 :

AGV status 분류 모델 예측 성능 지표 0.96 달성

OHT 모델 맡은 팀원이 내일 돌아와서 작업 내용 공유 받을 예정.

내일은 다른 태블로 차트 완성도 있게 수정하고 대시보드에 임베딩 해 볼 것. 그리고 대시보드의 다른 탭에 들어가는 내용도 추가하기. 백엔드팀에서 DB 작업 마무리하면 데이터 분석 내용 들어가는 BI도 태블로로 완성할 것.

[본 글은 한국기술사업화진흥협회 대구지회에서 수강한 K-Digital Training 과정의 내용을 요약 정리한 개인 학습 노트이며, 빅데이터 분석 실무 프로젝트 내용을 담고 있습니다.]