철도 압축 공기 처리 장치 상태 진단

이 데모는 UCI Machine Learning Repository의 MetroPT-3 데이터셋을 Machbase Neo에 저장하고, 철도 차량의 압축 공기 처리 장치(APU) 상태를 인터랙티브 대시보드에서 탐색할 수 있도록 구성했습니다.

공식 공기 누출(Failure) 구간과 센서 변화, 설명 가능한 건전성(Health Score) 지수를 함께 확인하며 시간축 기반으로 데이터를 분석할 수 있습니다.

주요 기능

• MetroPT-3 전체 데이터셋(약 151만 시점) 탐색

• 철도 APU 공기 흐름 및 장비 상태 시각화

• 압력, 온도, 전류, 밸브, 스위치 등 15종 센서 데이터 분석

• 공식 공기 누출(Failure) 구간 표시

• 설명 가능한 규칙 기반 Health Score 및 이벤트 표시

• 시간축 기반 센서 데이터 재생 및 탐색

• 영문 / 한글 UI 지원

• Machbase Neo JSON Rollup 기반 고속 시계열 조회

• Live Query 기반 Frame / Window / Signal API 제공

• SQL, 실행 시간, Rollup 정보까지 확인 가능한 Evidence API

이 데모에서 사용하는 Health Score와 이벤트는 머신러닝 모델이 아니라 프로젝트에서 정의한 설명 가능한 규칙 기반 지표입니다.

공식 데이터셋이 제공하는 고장(Failure) 구간과 프로젝트에서 계산한 이벤트를 명확히 구분하여 표시하며, 실제 센서 데이터에 기반한 분석 과정을 투명하게 확인할 수 있습니다.

Industrial AI와 Predictive Maintenance에서는 단순히 이상 여부를 예측하는 것보다, 센서 데이터와 시간축을 함께 분석하고 결과를 설명할 수 있는 것이 중요합니다.

Machbase Neo는 대용량 시계열 데이터를 저장하고 JSON Rollup을 활용해 필요한 구간을 빠르게 조회하며, 웹 기반 모니터링과 분석 화면으로 자연스럽게 연결할 수 있습니다.

이번 데모는 "철도 차량 APU의 시계열 데이터가 어떻게 실시간 분석과 설명 가능한 상태 진단 화면으로 연결되는가"​를 보여주는 예제입니다.

#MachbaseNeo #industrialai   #predictivemaintenance   #railway  #MetroPT3 #TimeSeriesDatabase #iot  #digitaltwin  #conditionmonitoring   #apu  #machinelearning  #datavisualization