과학 공학
스마트공장 기반의 제조 AI 모델링
하태경
그로잉북스
0 (0명)
3명이 읽었어요
원스토리 앱에서 볼 수 있는 작품이에요.
- 소장
- 28,000 ⓒ
| 듣기기능 | 미지원 | 파일정보 | |
|---|---|---|---|
| 총 용량 | 9.6 MB | 이용기기 | |
| ISBN | 9791199762572 | ||
책 소개
책소개:
제조 산업은 더 이상 경험과 직관에 의존하는 영역이 아니다. 데이터와 알고리즘을 기반으로 한 의사결정이 경쟁력을 좌우하는 시대가 도래했다. 그러나 많은 제조 현장에서는 여전히 데이터를 어떻게 활용해야 하는지, AI 모델을 어떻게 설계하고 적용해야 하는지에 대한 실질적인 방법을 찾지 못하고 있다. 이 책은 이러한 문제를 해결하기 위해 기획된 실무 중심의 제조 AI 입문서이다.
본서는 스마트공장을 기반으로 생성되는 다양한 제조 데이터를 이해하고, 이를 활용하여 실제 산업 현장에서 적용 가능한 AI 모델을 구축하는 전 과정을 체계적으로 설명한다. 인공지능의 개념과 산업 패러다임 변화부터 시작해, Python 기반 데이터 분석 환경 구축, 머신러닝과 딥러닝 모델링 실습, 그리고 제조 현장 적용까지 단계적으로 학습할 수 있도록 구성되어 있다. 특히 품질 예측, 설비 이상 탐지, 공정 최적화 등 실제 제조 현장에서 빈번하게 발생하는 문제를 중심으로 사례를 제시하여, 이론과 실무의 간극을 효과적으로 연결한다.
이 책의 가장 큰 차별점은 ‘현장 적용 가능성’에 있다. 단순한 알고리즘 설명에 그치지 않고, 데이터 수집부터 전처리, 모델 학습, 성과 평가, 현장 적용까지의 전체 프로세스를 하나의 흐름으로 제시한다. 이를 통해 독자는 AI를 단순한 기술이 아닌, 제조 경쟁력을 강화하는 실질적인 도구로 이해하게 된다.
이 책을 통해 독자는 제조 데이터를 기반으로 문제를 정의하고, 적절한 AI 모델을 선택하며, 이를 실제 공정 개선으로 연결하는 능력을 갖추게 될 것이다. 궁극적으로는 ‘불량을 사후에 처리하는 방식’에서 ‘불량을 사전에 예방하는 체계’로의 전환을 경험하게 될 것이다.
제조 산업은 더 이상 경험과 직관에 의존하는 영역이 아니다. 데이터와 알고리즘을 기반으로 한 의사결정이 경쟁력을 좌우하는 시대가 도래했다. 그러나 많은 제조 현장에서는 여전히 데이터를 어떻게 활용해야 하는지, AI 모델을 어떻게 설계하고 적용해야 하는지에 대한 실질적인 방법을 찾지 못하고 있다. 이 책은 이러한 문제를 해결하기 위해 기획된 실무 중심의 제조 AI 입문서이다.
본서는 스마트공장을 기반으로 생성되는 다양한 제조 데이터를 이해하고, 이를 활용하여 실제 산업 현장에서 적용 가능한 AI 모델을 구축하는 전 과정을 체계적으로 설명한다. 인공지능의 개념과 산업 패러다임 변화부터 시작해, Python 기반 데이터 분석 환경 구축, 머신러닝과 딥러닝 모델링 실습, 그리고 제조 현장 적용까지 단계적으로 학습할 수 있도록 구성되어 있다. 특히 품질 예측, 설비 이상 탐지, 공정 최적화 등 실제 제조 현장에서 빈번하게 발생하는 문제를 중심으로 사례를 제시하여, 이론과 실무의 간극을 효과적으로 연결한다.
이 책의 가장 큰 차별점은 ‘현장 적용 가능성’에 있다. 단순한 알고리즘 설명에 그치지 않고, 데이터 수집부터 전처리, 모델 학습, 성과 평가, 현장 적용까지의 전체 프로세스를 하나의 흐름으로 제시한다. 이를 통해 독자는 AI를 단순한 기술이 아닌, 제조 경쟁력을 강화하는 실질적인 도구로 이해하게 된다.
이 책을 통해 독자는 제조 데이터를 기반으로 문제를 정의하고, 적절한 AI 모델을 선택하며, 이를 실제 공정 개선으로 연결하는 능력을 갖추게 될 것이다. 궁극적으로는 ‘불량을 사후에 처리하는 방식’에서 ‘불량을 사전에 예방하는 체계’로의 전환을 경험하게 될 것이다.
목차
제1부 인공지능과 산업현장 AI
제1장 인공지능 개요와 산업 패러다임 변화
인공지능 정의와 발전사
4차 산업혁명과 제조 패러다임 변화
머신러닝과 딥러닝 특징
데이터 기반 의사결정의 중요성
제2장 제조AI 구조와 특성
스마트공장과 제조AI의 관계
제조 데이터의 특성
제조 현장에서 AI가 해결하는 문제 유형
분류·예측·최적화·이상탐지
제조AI 도입 시 고려사항
제2부 Python 기반 AI 개발 환경 구축
제3장 Google Colab 기반 실습 환경 구성
Colab 개요 및 환경 설정
Python 개발 환경 이해
제4장 Python 문법
변수, 자료형, 제어문
함수 및 모듈
파일 입출력
제5장 데이터 분석 라이브러리
Pandas, NumPy
Matplotlib, Seaborn
Scikit-learn, TensorFlow/Keras
제3부 학습 모델링 종류 및 실습
제6장 머신러닝 모델
지도학습 및 비지도학습
모델 실습
제7장 데이터 분석 및 전처리
EDA
결측치 및 이상치 처리
데이터 인코딩 및 스케일링
제8장 시각화 및 라이브러리 활용
제9장 딥러닝 모델
인공신경망 구조
활성화 함수 및 최적화
딥러닝 모델 구현
제4부 제조AI 적용 및 현장 적용
제10장 제조 데이터 수집 및 저장 설계
데이터 아키텍처
제조AI 적용 전략
제1장 인공지능 개요와 산업 패러다임 변화
인공지능 정의와 발전사
4차 산업혁명과 제조 패러다임 변화
머신러닝과 딥러닝 특징
데이터 기반 의사결정의 중요성
제2장 제조AI 구조와 특성
스마트공장과 제조AI의 관계
제조 데이터의 특성
제조 현장에서 AI가 해결하는 문제 유형
분류·예측·최적화·이상탐지
제조AI 도입 시 고려사항
제2부 Python 기반 AI 개발 환경 구축
제3장 Google Colab 기반 실습 환경 구성
Colab 개요 및 환경 설정
Python 개발 환경 이해
제4장 Python 문법
변수, 자료형, 제어문
함수 및 모듈
파일 입출력
제5장 데이터 분석 라이브러리
Pandas, NumPy
Matplotlib, Seaborn
Scikit-learn, TensorFlow/Keras
제3부 학습 모델링 종류 및 실습
제6장 머신러닝 모델
지도학습 및 비지도학습
모델 실습
제7장 데이터 분석 및 전처리
EDA
결측치 및 이상치 처리
데이터 인코딩 및 스케일링
제8장 시각화 및 라이브러리 활용
제9장 딥러닝 모델
인공신경망 구조
활성화 함수 및 최적화
딥러닝 모델 구현
제4부 제조AI 적용 및 현장 적용
제10장 제조 데이터 수집 및 저장 설계
데이터 아키텍처
제조AI 적용 전략