Precision Machining Quality Assurance

KAMP 정밀가공 품질보증 AI 데이터셋을 활용해 CNC 정밀가공 공정의 양품/불량을 분류하는 DNN 모델을 재현하고 정리한 개인 학습 프로젝트입니다.

Project Goal

정밀가공 공정에서는 공구 마모와 부하 증가가 가공 품질에 영향을 줄 수 있습니다. 이 프로젝트는 공정 중 수집된 서보 전류, 서보 부하, 스핀들 부하 등의 데이터를 이용해 제품의 합격/불량 여부를 분류하는 것을 목표로 합니다.

Data Source

중소벤처기업부, Korea AI Manufacturing Platform(KAMP), 정밀가공 품질보증 AI 데이터셋, 스마트제조혁신추진단(㈜인터엑스), 2022.12.23., www.kamp-ai.kr

원본 CSV 데이터는 이 저장소에 포함하지 않습니다.

Contents

• 공정데이터_CNC정밀가공_품질보증.ipynb
  정밀가공 품질보증 데이터셋 분석 노트북입니다.

• HKNU_공정데이터분석_LHJ.pdf
  공정 데이터 분석 및 설계 발표자료입니다.

Analysis Workflow

1. 데이터 로드 및 기본 구조 확인
2. 양품/불량 클래스 분포 확인
3. 변수별 분포 및 양품/불량 그룹별 분포 시각화
4. 비수치형 변수 제거 및 이상치 처리
5. 학습 데이터 기준 T-test 변수 선택
6. 학습/평가 데이터 분할
7. SMOTE 기반 클래스 불균형 보정
8. 정규화 및 스케일링
9. DNN 모델 학습
10. F1-score, confusion matrix, ROC curve 기반 모델 평가

Notes

이 프로젝트는 원본 KAMP 분석실습 가이드북을 참고한 개인 학습용 프로젝트입니다. 목적은 제조 공정 데이터의 전처리, 클래스 불균형 처리, DNN 기반 이진 분류 모델링 흐름을 이해하고 정리하는 것입니다.

향후에는 DNN 외에도 Random Forest, Gradient Boosting, SVM 등 전통적인 머신러닝 모델과 비교하고, 변수 중요도 및 공정 해석 관점의 설명 가능성을 추가할 수 있습니다.