SFEP는 제조 설비에서 발생하는 대규모 센서 이벤트를 수집, 저장, 분석하고 AI 기반으로 고장 위험도를 예측하는 이벤트 처리 시스템입니다.
단순 CRUD 서비스가 아니라, 설비 수와 이벤트 발생량이 증가했을 때 발생하는 DB 병목, Consumer 처리 지연, 알림 지연 문제를 단계적으로 개선하며 확장 가능한 백엔드 구조를 검증했습니다.
AI4I 제조 설비 데이터를 기반으로 고장 예측 모델을 학습하고, ONNX로 변환해 Spring 서버에서 직접 추론하도록 구성했습니다.
실제 제조 설비를 대신하여 가상의 설비 이벤트를 생성하는 Swing 기반 시뮬레이터를 구현했습니다. 사용자는 설비 수, 설비당 이벤트 수, 장애 비율을 직접 설정하고 이벤트를 생성할 수 있습니다.
단발성 이벤트 뿐 아니라, 특성 시간 동안 일정한 이벤트를 지속적으로 발생시키는 구조를 추가했습니다. 이를 통해 실제 운영 환경과 유사한 지속 트래픽 처리 안정성을 확인할 수 있습니다.
AI4I 제조 설비 데이터를 활용해 고장 예측 모델을 학습했습니다.
설비별 최근 50개 이벤트를 Rolling Window로 묶고, 평균, 최대, 최소, 표준편차, 추세 등 52개 Feature를 생성해 ONNX 모델로 고장 확률을 예측했습니다.
예측된 설비 별 위험 상태는 실시간으로 확인할 수 있으며 정상, Warning, Critical 상태로 표시됩니다.
별도 Swing Frame에서 설비별 위험 상태를 실시간으로 확인할 수 있도록 구성했습니다. 또한 서버 지연에 대한 시간 지표 역시 확인할 수 있습니다.
Spring Actuator를 통해 서버 상태를 시각화 했습니다.
모니터링 지표
