예측 모델 관리
개요
이 화면은 무엇인가요?
이 화면에서는 예측 모델 관리 데이터를 등록하고 관리합니다. 모델유형(RUL, ANOMALY_DETECTION, QUALITY_PREDICTION, ENERGY_FORECAST 등)별로 분류할 수 있으며, 상태(training → validating → production → retrain_required)를 추적합니다.
누가 사용하나요?
- 데이터사이언티스트: 예측 모델 관리 ML 모델 개발, 학습 관리
- 설비담당: 예측 모델 관리 현황 확인, 이상 시 조치
- AI엔지니어: 예측 모델 관리 모델 학습, 성능 최적화
언제 사용하나요?
- 신규 예측 모델 관리 데이터를 등록할 때
- 기존 예측 모델 관리 정보를 수정하거나 이력을 확인할 때
- 예측 모델 관리의 상태를 변경하거나 진행 현황을 추적할 때
주요 기능
- 등록·조회: 예측 모델 관리 데이터의 신규 등록 및 목록 조회
- 유형별 분류: 모델유형(RUL , ANOMALY_DETECTION , QUALITY_PREDICTION 등)별 분류 및 필터
- 상태 추적: 상태 변경 이력 관리 및 현황 확인
- 파일 첨부: 관련 문서·이미지 업로드 및 관리
- 감사 추적: 데이터 변경 이력 자동 기록
업무 흐름에서의 위치
입력 항목 가이드
| 항목 | 설명 | 필수 | 입력 예시 |
|---|---|---|---|
| 모델코드 | 고유 식별 코드 | ✅ | MODEL-CODE-001 |
| 모델명 | 식별하기 쉬운 이름 | ✅ | (이름 입력) |
| 모델유형 | 분류 구분 | ✅ | RUL / ANOMALY_DETECTION / QUALITY_PREDICTION |
| 알고리즘 | 알고리즘 | ✅ | LINEAR_REGRESSION / RANDOM_FOREST / GRADIENT_BOOSTING |
| 대상설비ID | 관련 데이터 선택 | 목록에서 선택 | |
| 입력태그 | 입력태그 | ✅ | 자유 텍스트 입력 |
| 출력설명 | 식별하기 쉬운 이름 | 자유 텍스트 입력 | |
| 학습데이터범위 | 학습데이터범위 | 자유 텍스트 입력 | |
| 정확도 | 정확도 | 숫자 입력 (소수점 가능) | |
| MAE | MAE | 숫자 입력 (소수점 가능) | |
| RMSE | RMSE | 숫자 입력 (소수점 가능) | |
| 모델파일URL | 모델파일URL | 텍스트 입력 | |
| 상태 | 현재 진행 상태 | ✅ | training / validating / production |
| 마지막학습일시 | 해당 날짜/시각 | 2026-03-17 09:00 | |
| 재학습주기(일) | 재학습주기(일) | 숫자 입력 | |
| 생성자ID | 담당자 선택 | 목록에서 선택 |
자주 묻는 질문 (FAQ)
상태를 변경할 수 없습니다. 왜 그런가요?
워크플로우가 설정된 경우, 정해진 순서대로만 상태를 변경할 수 있습니다. 현재 상태에서 변경 가능한 다음 상태만 선택할 수 있으며, 필수 입력 항목이 누락되어 있지 않은지 확인해 주세요.
예측 모델 관리 데이터를 대량으로 등록하려면 어떻게 하나요?
CSV 가져오기 기능을 사용합니다. 먼저 CSV 내보내기로 템플릿을 다운로드한 후, 템플릿에 맞춰 데이터를 입력하고 CSV 가져오기로 일괄 등록합니다.
실무 시나리오
신규 예측 모델 관리 등록
상황: 새로운 예측 모델 관리 데이터를 등록해야 합니다.
처리 순서:
- 모델코드를 입력하여 신규 데이터를 생성합니다
- 모델유형을
RUL으로 선택합니다 - 모델명을(를) 입력합니다
- 상태를
training으로 설정합니다 - 저장하여 등록을 완료합니다
참고: 데이터 구조
테이블: dt_prediction_models
| 컬럼명 | 한글명 | 타입 | 설명 |
|---|---|---|---|
model_code | 모델코드 | VARCHAR | *필수 |
model_name | 모델명 | VARCHAR | *필수 |
model_type | 모델유형 | RUL / ANOMALY_DETECTION / QUALITY_PREDICTION / ENERGY_FORECAST / DEMAND_FORECAST / FAILURE_PREDICTION | *필수 |
algorithm | 알고리즘 | LINEAR_REGRESSION / RANDOM_FOREST / GRADIENT_BOOSTING / LSTM / TRANSFORMER / AUTOENCODER / ISOLATION_FOREST | *필수 |
target_equipment_id | 대상설비ID | UUID | |
input_tags | 입력태그 | TEXT | *필수 |
output_description | 출력설명 | TEXT | |
training_data_range | 학습데이터범위 | TEXT | |
accuracy | 정확도 | DECIMAL | |
mae | MAE | DECIMAL | |
rmse | RMSE | DECIMAL | |
model_file_url | 모델파일URL | VARCHAR | |
status | 상태 | training / validating / production / retrain_required / deprecated | *필수 |
last_trained_at | 마지막학습일시 | TIMESTAMP | |
retrain_interval_days | 재학습주기(일) | INT | |
created_by | 생성자ID | UUID |