Stacked DCNN 뜯어보기/N-CMAPSS 시각화/개선점

https://github.com/DatrikIntelligence/Stacked-DCNN-RUL-PHM21
논문 코드

https://github.com/dangdang2222/skt_ai_fellowship/blob/main/NCMAPSS_%EC%8B%9C%EA%B0%81%ED%99%94.ipynb
내 시각화 코드

---

unit별로 health state가 1 또는 0일때의 각 센서들 값을 시각화
health state가 1인 경우 기계가 돌아가고 있고 0인 경우 죽음

• DS001, Unit 2의 경우 cycle이 20 이후 넘어가면 기계가 unhealthy 해지며, 건강/건강하지 않을 때 W와 X_s값의 경향을 볼 수 있다.
  *DS001, Unit 2의 경우 cycle이 20 이후 넘어가면 기계가 unhealthy 해지며, 건강/건강하지 않을 때 X_v와 T값의 경향을 볼 수 있다.

DCNN 사용 : Feature 추출 / 패턴 인식에 특화
K-fold random sampling : validation set의 크기 감소 문제 해결
Window Sliding : Level 2를 위한 sample 생성
N-CMAPSS(27GB) : 더 정교하고 많은 양의 데이터 사용, feature 뛰어난 추출 및 낮은 RMSE 달성(최종 RMSE = 6.24)

---

1. 기존 모델 개선

• Cycle 간 RUL smoothing
• 낮은 cycle 수를 갖는 input data도 training 과정에 포함하여 데이터 다양화
• Training Folds의 균형 개선
• Encoding들 간의 Random Gap을 이용해 Level 2 모델 학습
• Health State 예측

2. 데이터 셋 변경

• 데이터셋 및 feature에 대한 분석 추가 진행
• CMAPSS, Li-ion 데이터셋 등 더 다양한 데이터로 학습
• 항공기 Turbofan Engine 뿐 아니라 다른 도메인의 기기/설비 특성 파악

3. 모델 성능 향상을 위한 기법 추가 적용

• 모델의 layer 구조 변경, 타 모델에서의 기법 추가 적용 등 모델의 알고리즘 자체에 대한 수정을 통한 성능 향상

4. 평가 지표 파악

• RUL 예측에 대한 RMSE, MSE, MAE
• Overfitting 여부
• Throughput, Latency, Capacity, GPU 사용량 등을 측정