RESULT GUIDE
시뮬레이션 결과 해석법
각 AI 시뮬레이터가 반환하는 결과값의 의미와 올바른 해석 방법을 안내합니다.
시계열 이상 탐지 결과 해석
CSV로 업로드한 공정 시계열 데이터를 AI가 분석하여 이상 구간을 자동으로 감지합니다. 결과 화면에서 다음 항목을 확인하세요.
그래프 위에 붉은 음영으로 표시된 구간이 AI가 탐지한 이상 영역입니다. 음영이 짙을수록 이상 확률이 높습니다.
각 이상 구간의 시작 행(row)과 종료 행 번호입니다. 원본 CSV의 해당 행을 참조하여 실제 타임스탬프와 대조하세요.
0~1 사이의 점수로, 1에 가까울수록 정상 패턴에서 크게 벗어난 구간입니다. 0.7 이상이면 즉각 확인이 권장됩니다.
탐지 결과를 CSV로 저장하면 이상 구간 인덱스와 심각도 점수가 포함된 파일이 다운로드됩니다.
홀 드릴링 예측 결과 해석
업로드한 이미지 한 장으로 AI가 가공 결과를 수치로 예측합니다. 결과 패널에서 아래 항목을 확인하세요.
AI가 이미지 특징을 분석하여 추정한 홀 깊이입니다. 실제 측정값과 비교하여 모델 정확도를 검증할 수 있습니다.
예측된 레이저 펄스 횟수입니다. 낮은 NOP 예측값은 짧은 가공 시간을, 높은 값은 깊은 가공이 필요함을 의미합니다.
추출된 특징점 수(keypoints), 평균 명도(mean brightness), ROI 크기가 표시됩니다. 이미지 품질이 낮으면 이 수치들도 낮게 나타날 수 있습니다.
제공된 3종의 샘플 이미지로 먼저 결과를 확인한 뒤, 동일한 조건의 실제 이미지와 비교하면 모델 성능을 빠르게 파악할 수 있습니다.
손글씨 숫자 인식 결과 해석
모델 학습 후 캔버스에 직접 숫자를 그리면 AI가 즉시 분류 결과를 반환합니다. 결과 화면에서 다음 항목을 확인하세요.
AI가 가장 확률이 높다고 판단한 숫자(0~9)입니다. 굵게 강조되어 상단에 표시됩니다.
0~9 각 숫자에 대한 예측 확률(%)이 막대 그래프로 시각화됩니다. 두 번째로 높은 막대가 크다면 필기가 모호한 것이므로 다시 그려보세요.
학습 완료 시 표시되는 테스트 정확도입니다. MNIST 기준 96~99% 범위가 정상입니다. 이 값이 낮으면 학습이 충분히 수렴되지 않은 것입니다.
숫자를 캔버스 중앙에 크게 쓸수록 인식률이 높아집니다. '지우기' 후 다시 그려 여러 번 시험해보세요.
노칭 품질검사 결과 해석
노칭 공정 이미지를 입력하면 AI가 레이저 파라미터 5종을 예측하고 드로스 발생 구간을 감지합니다.
펄스 폭(µs), 출력(W), 속도(mm/s), 반복률(kHz), 펄스 에너지(µJ) 값이 표시됩니다. 각 값은 해당 이미지가 생성된 가공 조건의 역추정 결과입니다.
STFT 분석 기반으로 드로스 위험 구간이 붉게 표시된 결과 이미지가 출력됩니다. 붉은 구간이 넓을수록 품질 불량 가능성이 높습니다.
드로스가 탐지되지 않으면 결과 이미지 하단에 '정상' 판정이 표시됩니다. 이 경우 노칭 품질이 기준치 이내임을 의미합니다.
다양한 가공 조건을 반영한 5종의 샘플로 즉시 체험할 수 있습니다. 드로스가 발생한 샘플과 정상 샘플을 비교해보세요.