펜데믹을 맞이한 최근 몇 년간 제조 운영과 공급망의 디지털 혁신은 관련 산업 분야에서 최우선 과제로 급부상했습니다.
스마트 공장은 공정 데이터에서 인사이트를 발굴하고 해석하여 추세를 예측하고, 스마트 제조 워크플로와 자동화된 프로세스를 구현합니다.
LG에서는 제조 지능화를 통해 공정 과정에서 발생하는 이벤트에 신속하게 대응하고,
안정성과 효율을 극대화하기 위한 방안을 지속적으로 도모하고 있습니다.
품질 편차를 최소화해 생산 경제성과 안정성을 확보할 수 있도록 생산된 제품이 적정 기준을 충족하는지 판단하고 분류하는 AI 모델을 개발해 주세요.
- 온라인 해커톤
- CatBoost 분류기의 기본값을 중심으로 해결
- F1-score : 0.67742
- 최종 순위 : 14/495
- 오프라인 해커톤
- CatBoost 분류기를 기반으로 optuna 라이브러리를 사용한 파라미터 튜닝을 진행하여 해결
- F1-score : 0.67478
- 최종 순위 : 18/34
-
CatBoost은 과적합이 적기 때문에 optuna를 사용한 파라미터 튜닝은 적절하지 않다. 차라리 LightGBM을 사용하면 파라미터 튜닝에서 유용한 결과를 얻었을 것이라는 피드백을 받았다.
-
성공적인 모델링 디자인 패턴을 공부할 필요가 있다. 상위 3팀은 모두 앙상블 기법을 적용했다.
-
실험 관리에 대한 개념이 없어 전처리, 모델, 파라미터 값, 학습 방법 등 수 차례의 시도에 대한 정리가 되어 있지 않았다.