Sustainable value
지속가능한 가치
공지사항
- 본 경진대회는 회원가입 후 참가신청을 해야 참가가 가능합니다.
- 참가대상은 경남도내 대학 학부생입니다.
- 참가신청은 팀 단위로 신청가능하며, 대표자의 아이디로만 제출한 기록만 인정됩니다.
배경
- 경남 창원 제조업의 주요 생산설비 중에 하나인 CNC, MCT 등의 설비로부터 수집된 전력, 진동 등의 데이터를 분석하여 설비에서 사용되는 공구와 공구상태를 예측하고자 합니다.
- 이러한 제조데이터분석은 앞으로 불량예측, 설비예지보전 등의 제조 AI 서비스 개발에 시작점이 될 것으로 생각됩니다.
주최 및 참가대상
- 주최/주관 : 경남창원 혁신데이터센터/창원대학교 ICT융합센터
- 참가대상 : 경남도내 학부생(팀으로 참가가능), 대학원생 제외
일정
- 참가신청기간 : 2021년 11월 9일 ~ 11월 16일
- 경진대회 : 2021년 11월 17일 ~ 11월 30일 (데이터세트는 11월 17일 업로드 됩니다)
- 검증자료 제출 : 2021년 12월 1일 ~ 12월 2일
- 시상식 : 2021년 12월 8일
상금 및 시상규모
- 총 상금은 200만원이며, 상품권으로 지급될 예정입니다.
- 최우수 : 상금 100만원(1팀)
- 우수 : 상금 50만원(1팀)
- 장려 : 상금 25만원(2팀)
제출
- 검증데이터(test_input.zip)을 이용하여 총 152개의 구간에 대한 Tool과 condition을 예측합니다.
- 예측 결과를 output_sample.csv와 동일한 양식으로 출력하여, "," (쉼표)로 분할된 csv 파일로 제출합니다.
- 152개의 구간에 대해 2가지 예측값이 모두 포함되어야 하며, 컬럼의 순서가 바뀌지 않도록 주의하세요.
평가
- Tool과 Condition에 대한 각각의 F1-Score로 결정되며, 베이스라인에 평가코드가 명시되어 있습니다.
- 여러 차례 제출시, 최종점수는 최고점만 반영됩니다.
- 평가결과를 제출하면 실시간으로 F1-Score와 함께 리더보드에 순위가 나타납니다.
- 경진대회가 종료되면 상위참가팀들을 대상으로 코드파일과 설명자료, 재학증명서를 제출받아 코드검사 및 학습과정 재현을 통해 부정행위 여부를 판가름 한 뒤 최종 순위를 발표합니다.
- 동점자 발생시 최고점수를 업로드한 일시가 빠른 순서로 순위를 매깁니다.
대회 주요 내용
- 한 팀의 최대인원은 5명
- 팀 대표 1인만 대회참가 신청
- 제출은 팀 대표 1인의 아이디로만 제출
- 팀이 수상하는 경우 팀 대표에게만 상금 지급
- 입상자는 ipynb, py 형식으로 된 학습, 결과생성 코드와 학습된 모델과 설명서, 재학증명서를 제출해야 합니다.
- 제공되는 데이터세트와 설명자료는 “혁신데이터센터”의 자산입니다.
- 입상자의 코드와 설명자료는 “혁신데이터센터”의 소유로 인정됩니다.
1. 목표
● 제조 설비의 센서 데이터로부터 설비의 상태를 탐지합니다.
● 수집된 시계열 데이터로부터 해당 구간에서 사용된 공구 종류와 공구 상태를 예측하는 것이 목표입니다.
2. 학습 데이터
● train_input.zip
- 각 csv 파일은 열 이름 행을 제외하고 410개의 행으로 구성되어 있으며, 하나의 행은 0초부터 59초까지 1초마다 수집된 시계열 데이터입니다.
- csv 파일 간에 같은 위치에 있는 값은 각 센서에서 동일한 시점에 기록된 값입니다.
- train_input_전체전력.csv : 메인 배전반에 공급되는 전력
- train_input_스핀들전력.csv : 스핀들 모터에 공급되는 전력
- train_input_스핀들진동.csv : 스핀들 모터의 진동
● train_output.csv
- 열 이름 행을 제외하고 410개의 행으로 구성되어 있습니다.
- 각 행은 input 데이터의 각 시계열이 기록된 구간의 설비 상태입니다.
- Tool : 공구 종류 {0 : 5.5Φ 드릴, 1 : 8.6Φ 드릴, 2 : 11.7Φ 드릴, 3 : 10Φ 엔드밀, 4 : 8Φ 엔드밀}
- condition : 공구 상태 {0 : 정상, 1 : 이상}
3.검증 데이터
● test_input.zip
- 각 csv 파일은 열 이름 행을 제외하고 152개의 행으로 구성되어 있으며, 나머지 사항은 학습 데이터(train_input.zip)와 동일합니다.
※ 평가에 사용되는 계산식은 아래를 참고하시기 바랍니다.
import numpy as np
import pandas as pd
from sklearn.metrics import f1_score
def scoring(CorrectAnswer_filename, SubmitAnswer_filename):
y_test = pd.read_csv(CorrectAnswer_filename)
p_test = pd.read_csv(SubmitAnswer_filename)
Tool_score = f1_score(y_test['Tool'], p_test['Tool'], average='macro')
condition_score = f1_score(y_test['condition'], p_test['condition'], average='binary')
score = Tool_score*0.4 + condition_score*0.6 # 공구종류 : 불량여부 = 4 : 6 비율로 반영
return score
순위 | 팀명 | 제출자(닉네임) | 제출횟수 | 최고점수 | 제출일 |
---|---|---|---|---|---|
1 | 빌런 | 영탁 | 630 | 0.99417475728155 | 2021-11-30 21:51:11 |
2 | CWDA | 20163182 | 204 | 0.99417475728155 | 2021-11-30 22:20:49 |
3 | G3 | 김가윤 | 82 | 0.98823529411765 | 2021-11-19 19:37:06 |
4 | 카이로스 | pen2402 | 840 | 0.98285714285714 | 2021-11-25 11:37:42 |
5 | kang | tfpd | 21 | 0.95617094017094 | 2021-11-27 15:54:32 |
6 | HIAI | eastfortune | 126 | 0.93527013796173 | 2021-11-28 10:57:05 |
7 | ASCLab | kchanjin | 84 | 0.89263157894737 | 2021-11-30 23:49:02 |
8 | Media Lab | 호준 | 14 | 0.84583647890072 | 2021-11-30 23:48:11 |
9 | 주환 | 닉변요망 | 4 | 0.76761686405507 | 2021-11-20 20:22:27 |
10 | 동건컴퍼니 | 함팬 | 2 | 0.098125079804076 | 2021-11-17 21:22:32 |
11 | Paul | 곽창원 | 1 | 0.045425266378593 | 2021-11-17 22:14:25 |
12 | 1234 | 1234 | 1 | 0 | 2021-11-18 09:10:46 |