연습문제

냉간단조 공정 설비 고장 상태 예측

난이도
Medium
제출
209 회
참가자
56 명
제출 형식
csv

<연습문제 필독 사항>

- 본 연습문제는 저작권법에 의해 보호됩니다. 무단 복제, 유출 시 저작권법 제 136조에 따라 형사 처벌의 대상이 될 수 있습니다.
- 본 자료를 원본 그대로 배포하는 행위 뿐만 아니라, 수정·편집·재구성 등을 통해 2차적 저작물을 제작하거나 무단으로 활용하는
   행위 역시 저작권법 제22조 위반에 해당하며, 제136조에 따라 형사 처벌의 대상이 될 수 있습니다.
- 영리 목적 여부와 관계없이 원저작자(자료 제작자)의 사전 동의 없는 모든 형태의 가공·재배포는 금지됩니다.

*본 연습문제 다운 시 위 안내 사항을 확인 및 인지한 것으로 간주합니다.


냉간단조 공정에서 생산 부품의 품질을 높이기 위해서는 설치된 센서에서 설비데이터를 활용할 수 있습니다.

아래의 데이터셋을 활용하여 고장률을 예측하고, 결과물을 제출하시오.

데이터셋 설명

데이터셋은 두 그룹으로 분할되었습니다.


train.csv

Timestamp: 측정 시간

main_air_press: 메인 에어 압력

main_motor_curr: 메인 모터 전류

metal_oil_supply_press_contr: 어깨 메탈 오일공급 압력 조작측

metal_oil_supply_press_cut : 어깨 메탈 오일공급 압력 절단측

metal_temp_control: 어깨 메탈 온도 조작측

metal_temp_cut: 어깨 메탈 온도 절단측

oil_supply_press: 윤활유 공급 압력

output_count_sum: 일일 누적 생산량

tongs_cast_curr: 집게틀 전류

tongs_cast_set_freq: 집게틀 설정 주파수

trans_pos_down: 재료 트랜스퍼 변위 down

trans_pos_left: 재료 트랜스퍼 변위 left

trans_pos_right: 재료 트랜스퍼 변위 right

trans_pos_up: 재료 트랜스퍼 변위 up

work_oil_supply_press: 가공유 공급 압력

status: 설비상태 (0, 1, 2 중 하나)


test.csv

train 데이터와 구성 동일

status 열을 예측해야 함.


평가 산식

F1-macro 값: 정밀도(Precision)와 재현율(Recall)의 조화 평균으로 측정되는 분류 성능 지표


Python 코드

from sklearn.metrics import f1_score

score = f1_score(truth_df["status"], submission_df["status"], average='macro')

train.csv

test.csv

sample-submission.csv
목록