Datasets:

naraming
/

nara

Modalities:

Text

Formats:

Size:

Libraries:

Dataset card Data Studio Files Files and versions

xet

Community

Dataset Viewer

Auto-converted to Parquet Duplicate

Split (1)

train · 20 rows

instruction stringlengths 25 39	input stringlengths 21 45	response stringlengths 61 92
AI 기반 공정 개선 아이디어를 제안해 주세요.	수소 정제 공정에서 에너지 소비가 높은 구간을 찾아 개선 방안을 도출해야 합니다.	에너지 소비가 높은 구간을 실시간으로 모니터링하는 센서를 설치하고, AI가 누적 데이터를 분석하여 피크 시간대에 운전 조건을 자동 조정하는 방안을 제안합니다.
공정 품질을 높이기 위한 데이터 수집 방식을 추천해 주세요.	수처리 과정에서 오염물 농도 변화가 불규칙하게 발생합니다.	오염물 농도를 시간대별로 세밀하게 측정할 수 있는 고정밀 센서를 추가 설치하고, 실시간 빅데이터 기반 예측 모델을 학습시켜 이상 패턴을 조기에 탐지합니다.
디지털 트윈을 활용한 공정 시뮬레이션 방안을 설명해 주세요.	수소 저장 탱크의 압력 변화에 따라 생산 공정이 영향을 받습니다.	디지털 트윈으로 탱크 내 압력 변화 시나리오를 실시간 재현하고, 시뮬레이션을 통해 최적의 압력 유지 조건을 도출하여 자동화 시스템과 연동합니다.
AI를 활용해 이상 징후를 감지할 수 있는 모델 설계를 설명해 주세요.	수소 연료전지 작동 중 갑작스러운 온도 상승이 자주 발생합니다.	이상치를 학습한 딥러닝 기반 이상 탐지 모델을 통해 평소와 다른 온도 상승 패턴을 조기에 식별하고, 자동 경고 시스템과 연동하여 즉각 조치합니다.
센서 데이터를 활용한 생산성 향상 방안을 제시해 주세요.	수처리 필터의 수명이 짧아 교체 주기가 불규칙합니다.	필터 사용 시 발생하는 유량과 압력 데이터를 분석하여 잔여 수명을 예측하는 알고리즘을 개발하고, 예측에 따라 교체 시기를 자동 안내합니다.
공정 불량률을 줄이기 위한 데이터 기반 의사결정을 제시해 주세요.	수소 생산 시 특정 온도 조건에서 불량률이 급증합니다.	과거 온도-불량률 데이터를 분석해 상관관계를 도출하고, AI가 위험 온도 범위에서 공정을 자동 조정하도록 설정합니다.
실시간 공정 데이터의 시각화 방식을 설계해 주세요.	수소 정제 장비 5대에서 각각 다른 조건으로 운전 중입니다.	각 장비의 운전 조건과 출력 데이터를 대시보드에 실시간으로 시각화하고, AI가 가장 효율적인 조건을 자동 추천하도록 구성합니다.
수소 저장 효율을 높이기 위한 분석 포인트를 알려 주세요.	저장 탱크 온도와 압력의 상관관계가 명확하지 않습니다.	수천 건의 탱크 온도와 압력 데이터를 분석하여 최적의 저장 조건을 도출하고, 저장 시 조건 자동 조절 알고리즘을 적용합니다.
AI 기반 예지보전을 위한 필수 데이터를 알려 주세요.	수처리 펌프의 고장이 예고 없이 발생합니다.	진동, 전류, 유량 데이터를 지속적으로 수집하고, 이상 징후를 학습한 모델이 고장을 사전에 예측할 수 있도록 훈련합니다.
디지털 트윈 적용 시 초기 구축 전략을 설명해 주세요.	수소 생산 라인을 디지털 트윈으로 재현하고 싶습니다.	공정 전반의 주요 센서 데이터를 수집할 수 있는 환경을 먼저 구축한 뒤, 현실 공정과 1:1 매핑되는 가상 모델을 제작하고 AI로 시뮬레이션 반복 학습을 수행합니다.
AI 모델 성능 향상을 위한 데이터 전처리 전략을 설명해 주세요.	수소 생산량 데이터에 결측치와 이상치가 많습니다.	결측치는 시계열 보간법으로 보완하고, 이상치는 표준편차 기반 필터링과 클러스터링을 통해 제거하거나 대체합니다.
수소 생산량 예측 모델의 정확도를 높이기 위한 방법을 알려 주세요.	계절, 시간, 외기온도 등 다양한 요인이 영향을 줍니다.	시계열 데이터를 활용한 LSTM 기반 딥러닝 모델을 구축하고, 외기온도와 습도 같은 외부 데이터를 함께 학습시켜 예측 정확도를 향상시킵니다.
설비 고장 패턴을 분석할 수 있는 기계학습 방법을 제시해 주세요.	펌프, 밸브 등에서 다양한 형태의 고장이 발생합니다.	각 고장의 로그 데이터를 수집하여 다중 분류 문제로 전환한 후, 랜덤포레스트나 XGBoost 기반 분류 모델로 고장 유형별 사전 탐지를 실행합니다.
에너지 절감을 위한 공정 최적화 방안을 제시해 주세요.	공정 중 특정 구간에서 과도한 전력이 소모됩니다.	과거 운전 데이터를 기반으로 전력 소모가 낮은 조건을 AI가 학습한 뒤, 해당 조건을 기준으로 실시간 피드백을 적용하는 자동화 시스템을 설계합니다.
수처리 수질 개선을 위한 핵심 변수들을 도출해 주세요.	처리된 물의 품질이 일정하지 않습니다.	수온, pH, 탁도, 유입 유기물 농도 등의 데이터를 분석하여 품질 변화에 큰 영향을 주는 상관변수를 AI가 선택하고, 이를 제어 지표로 설정합니다.
AI를 활용한 수소 생산 공정의 이상 감지 시나리오를 만들어 주세요.	정상 조건임에도 간헐적으로 생산량이 급감합니다.	정상 데이터와 이상 발생 시의 데이터를 비교 분석하여 패턴을 정의하고, 실시간 이상 감지 모델을 통해 급감 전 징후를 포착해 조치할 수 있게 합니다.
데이터 기반 품질 평가 지표를 설계해 주세요.	수소의 순도가 공정 조건에 따라 달라집니다.	온도, 압력, 반응 시간 등 주요 변수의 평균 및 변동 계수를 바탕으로 품질 안정성 지수를 설계하고, 이를 통해 품질 수준을 수치로 관리합니다.
AI 기반 수소 공정 최적화를 위한 학습 데이터를 설계해 주세요.	데이터가 많지만 어떤 데이터를 학습에 써야 할지 모릅니다.	공정 변수 중 수소 순도와 가장 높은 상관관계를 가진 요인을 피처 엔지니어링으로 선별하고, AI가 이를 중심으로 학습할 수 있게 설계합니다.
수소 저장 탱크의 이상 탐지를 위한 알고리즘을 제시해 주세요.	탱크 압력이 갑자기 상승하거나 하강하는 경우가 있습니다.	압력 데이터를 기반으로 예측 모델을 구축하고, 설정 범위를 벗어나는 급격한 변화가 발생하면 알림을 주는 시계열 이상 탐지 알고리즘을 적용합니다.
수소 생산 공정 자동화 수준을 높이기 위한 전략을 알려 주세요.	현재는 수동 조작이 많아 실시간 반응이 어렵습니다.	주요 제어 지점을 자동화할 수 있도록 AI 기반 조건부 반응 시스템을 구축하고, 운영 데이터를 통해 스스로 학습하며 반응 속도를 개선합니다.

No dataset card yet

Downloads last month: 2

Number of rows:

Total file size:

10.3 kB