[태그:] 예지정비
-
GAN으로 소량 고장 데이터 증강하기: CWRU 베어링 데이터셋 이상 탐지 정확도 개선 실험
들어가며 산업 현장에서 설비 고장 데이터는 희소하지만 치명적입니다. 정상 운전 데이터는 넘쳐나지만, 정작 학습에 필요한 고장 데이터는 몇 개 안 되는 경우가 대부분이죠. 이런 불균형 데이터(Imbalanced Data) 문제를 해결하기 위해 GAN(Generative Adversarial Network)을 활용한 데이터 증강 기법이 주목받고 있습니다. 이번 글에서는 CWRU 베어링 데이터셋을 사용해…
-
LSTM vs Transformer 기반 RUL 예측 모델 비교: NASA CMAPSS 데이터셋 실험으로 알아보는 성능 차이
들어가며 산업 현장에서 설비의 잔여 수명(RUL, Remaining Useful Life)을 정확하게 예측하는 것은 예지 정비(Predictive Maintenance)의 핵심입니다. 최근 딥러닝 기술의 발전으로 LSTM과 Transformer 같은 시계열 모델들이 RUL 예측에 활발히 활용되고 있습니다. 이번 글에서는 NASA의 CMAPSS 데이터셋을 활용하여 두 모델의 성능을 비교 분석해보겠습니다. RUL(Remaining Useful Life): 설비가…