데이터 선정리튬 이온 배터리 데이터셋- 잔존 수명 예측 데이터 선정 이유1. 저번 프로젝트 때 분류분석을 했으니 이번에는 회귀분석을 해보고 싶음2. 배터리에 대해 잘은 모르지만 화학/물리 베이스는 있으니 금방 학습할 수 있을 것 같음3. 제조데이터 관련 포트폴리오 내용 추가 목적 도메인 기초 공부리튬 이온 배터리의 작동 원리리튬 이온 배터리는 리튬 이온(Li+)이 양극재와 음극재 사이를 이동하는 화학적 반응을 통해 전기를 생성한다.배터리를 충전할 때는 양극에 위치한 리튬 이온이 음극으로 이동해 음극재에 쌓이게 되고, 방전할 때는 음극재에 쌓여 있던 리튬 이온이 양극재 쪽으로 이동하면서 에너지를 방출한다.양극과 음극 사이에는 전해질이 존재하는데, 이는 리튬 이온이 원활하게 이동하도록 돕는 매개체 역할을 한..

데이터 파일[KR] SuperStore Sample.csvTableau, Power BI 등 시각화 프로그램 학습에 많이 사용되는 SuperStore Sample의 한글 버전 데이터.위의 데이터는 임의로 생성된 데이터이기 때문에 개인정보 문제가 없으며, 고객별 주문에 대한 정보를 담고 있다.위 파일을 이용해 제작한 대시보드의 최종 결과는 다음과 같다. 매출 분석의 KPI(Key Performance Indicator)인 매출, 수익, 주문 수, 고객 수를 최상단에 배치하였다.대시보드의 아래쪽에는 각각의 분류별 매출 현황을 보여주는 차트를 만들었다. 대시보드에서 가장 중요한 것은 레이아웃이다. 사람들의 시선은 페이지의 좌상단, 혹은 상단에 가장 먼저 향하기 때문에, 가장 중요한 지표 (=KPI)는 해당 위..

import streamlit as stimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsst.set_page_config(page_title="Diecasting Dashnoard", layout="wide")@st.cache_datadef load_data(): df = pd.read_csv("Diecasting_preprocessed.csv") return dfdata = load_data()st.sidebar.header("Filter Options")st.sidebar.subheader("Select Product Type")unique_products = sorted(data['Product_Type'].u..

주제: 제조 공정(다이캐스팅) 최적화를 위한 데이터 분석 및 ML 기초1. 도메인 이해: 다이캐스팅(Die-casting) 공정 변수제조 데이터 분석의 핵심은 '도메인 지식'과 '데이터'의 결합. 오늘 우리는 설비에서 발생하는 주요 변수들을 확인.주요 변수: 사출 압력(Injection Pressure), 금형 온도(Mold Temperature), 플런저 속도(Plunger Speed), 냉각 시간 등.분석 목표: 위 변수들이 최종 제품의 불량률(QA/QC)에 미치는 상관관계를 파악하고, 최적의 공정 조건을 도출하는 것.2. 통계적 기초 및 가설 검정데이터의 유의성을 판단하기 위해 통계적 접근이 필수적임을 확인.Z-분포 vs T-분포: 표본의 크기와 모집단의 표준편차를 알 수 있는지에 따라 선택.가설 ..

1. 데이터 이상치 탐지데이터에 있는 이상치가 어떤지 확인하기 위해 여러 가지 분포를 확인했고, 표준화(StandardScaler)를 이용해 이상치를 탐지하는 작업을 수행하였다.큰 이상치가 있었던 컬럼은 High_Velocity, Biscuit_Thickness였는데, 팀원들과 이상치를 어떻게 처리해야 할지에 대한 이견이 있었다. 도메인 지식이 부족하다 보니 이상치가 실제로 공정의 이상을 나타내는 것인지 확신이 없어, 결국 최대한 보수적으로 속도나 비스킷 두께가 0인 경우에 대해서만 이상치라고 확실히 판단하고 제외하였다. 팀원들 간에 이상치를 처리하는 데 있어 기준의 이견이 있을 수 있고 이를 정립하기 위해 서로 의견을 충분히 공유해야 한다는 것을 알게 되었다.2. ANOVA 검정 수행다음으로는 불량 여..