밀링 머신 예측 유지보수 시스템

프로젝트 소개

이 프로젝트는 밀링 머신의 작동 파라미터를 모니터링하고 잠재적인 고장을 예측하는 시스템입니다. 작업자들이 실시간으로 기계의 상태를 확인하고 예방 조치를 취할 수 있도록 도와줍니다.

환경 변수 설정

프로젝트는 두 가지 방식의 환경 변수 로드를 지원합니다:

1. django-environ 사용:

import environ
env = environ.Env()
environ.Env.read_env(
    env_file=os.path.join(BASE_DIR, '.env')
)

2. python-dotenv 사용:

from dotenv import load_dotenv
load_dotenv(os.path.join(BASE_DIR, '.env'))

두 패키지 모두 requirements.txt에 포함되어 있으므로, 원하는 방식을 선택하여 사용하시면 됩니다.

설치 방법

1. 프로젝트 클론

git clone [프로젝트 URL]
cd predictive_maintenance

2. 가상환경 생성 및 활성화

# Windows
python -m venv venv
venv\Scripts\activate

# Linux/Mac
python3 -m venv venv
source venv/bin/activate

3. 필요한 패키지 설치

pip install -r requirements.txt

4. 데이터베이스 마이그레이션

python manage.py makemigrations
python manage.py migrate

5. 서버 실행

python manage.py runserver

주요 기능

• 실시간 밀링 머신 파라미터 모니터링
• 머신러닝 기반 고장 예측
• 3D 시각화를 통한 직관적인 상태 확인
• 다양한 고장 유형 감지 (열 발산 고장, 전력 고장, 과부하 고장)

시스템 요구사항

• Python 3.8 이상
• Django 5.1.4
• 기타 필요한 패키지는 requirements.txt 참조

사용된 기술

• Backend: Django
• Machine Learning: scikit-learn, XGBoost
• Data Processing: NumPy, Pandas
• Visualization: Matplotlib, Seaborn

주의사항

• 공구 마모도는 200분을 초과하지 않도록 주의
• 온도 차이는 7.6K에서 12.1K 사이로 유지
• 전력 소비량이 20kW를 초과하지 않도록 관리