로봇 플릿 분석이 제공하는 기능
로봇 플릿 분석은 자율 로봇 플릿의 성능을 모니터링하고 평가하기 위한 대화형 대시보드입니다. MySQL에 저장된 운영 기록을 필터링된 지표, 대화형 차트 및 운영 인사이트로 변환합니다.
이 프로젝트는 작업 실행, 오류, 이동 거리, 배터리 소모량, 작업 완료 시간 및 중단 시간과 같은 데이터에 중점을 둡니다. 대시보드는 이러한 측정값을 한곳에 모아 팀이 플릿의 안정성을 평가하고, 병목 지점을 찾으며, 고위험 로봇이나 위치를 식별할 수 있도록 지원합니다.
애플리케이션 작동 방식
애플리케이션은 간단한 분석 파이프라인을 따릅니다.
- 운영 기록은 MySQL 데이터베이스에 저장됩니다.
- Python 애플리케이션이 로봇 운영 데이터를 조회합니다.
- Pandas가 조회된 기록을 처리하고 집계합니다.
- NumPy가 배터리 소모 추세 계산을 포함한 수치 분석을 지원합니다.
- Streamlit이 대화형 대시보드 인터페이스를 제공합니다.
- Plotly가 플릿 및 로봇 수준 분석을 위한 대화형 차트를 렌더링합니다.
사용자는 날짜 범위, 로봇, 위치 및 작업 유형별로 대시보드를 필터링할 수 있습니다. 선택 항목이 변경되면 KPI와 시각화가 동적으로 업데이트됩니다.
주요 대시보드 영역
플릿 개요
플릿 개요는 현재 성능을 한눈에 보여주는 요약 정보를 제공합니다. 활성 로봇 수, 실행된 작업 수, 성공률과 오류율, 평균 작업 완료 시간, 플릿 안정성, 총 이동 거리, 총 중단 시간 및 평균 배터리 사용량이 포함됩니다.
로봇 성능
로봇별 비교를 통해 성능이 우수한 장치와 조사가 필요한 장치를 식별할 수 있습니다. 대시보드는 작업 오류율, 평균 완료 시간, 총 중단 시간, 작업량 및 오류 횟수를 비교합니다.
운영 분석
운영 분석은 플릿 전반의 광범위한 추세를 보여줍니다. 월별 작업 오류율, 위치별 오류 분석 및 작업 실행 추세가 포함됩니다.
리소스 효율성
리소스 섹션에서는 이동 거리와 배터리 소모량의 관계를 살펴봅니다. 또한 NumPy 선형 회귀로 계산한 배터리 소모 추세와 작업 유형별 오류율 분석도 포함됩니다.
플릿 예외
로봇은 관찰된 작업 오류율에 따라 NORMAL, WATCH, ATTENTION의 세 가지 예외 수준으로 분류됩니다. 이러한 범주를 활용하면 운영 검토의 우선순위를 정하기가 쉬워집니다.
운영 인사이트
대시보드는 가장 위험한 로봇, 가장 위험한 위치 및 성능이 가장 우수한 로봇을 강조합니다. 또한 더 신속한 조사를 지원하기 위해 오류율, 중단 시간 및 평균 작업 실행 시간을 제시합니다.
설치 및 설정
README에서는 Python, Streamlit, Pandas, NumPy, MySQL, MySQL Connector/Python 및 Plotly를 핵심 기술로 식별합니다. 정확한 저장소 진입점 파일 이름과 데이터베이스 설정 형식이 지정되어 있지 않으므로 프로젝트 파일에서 필요한 명령과 연결 설정을 확인해야 합니다.
- 저장소를 복제하거나 다운로드합니다.
- Python 가상 환경을 만들고 활성화합니다.
- 프로젝트에 명시된 종속 항목을 설치합니다. 일반적인 환경에는
streamlit,pandas,numpy,mysql-connector-python및plotly와 같은 패키지가 필요합니다. - 애플리케이션에서 요구하는 로봇 운영 데이터가 포함된 MySQL 데이터베이스를 준비합니다.
- 저장소에서 제공하는 방법(예: 구성 변수 또는 Streamlit 시크릿)을 사용하여 애플리케이션의 데이터베이스 연결을 설정합니다.
- 프로젝트에서 지정한 Streamlit 진입점을 시작합니다.
일반적인 Streamlit 실행 명령은 다음과 같은 형식이며, app.py는 저장소의 실제 진입점 파일로 바꿔야 합니다.
streamlit run app.py프로덕션 데이터베이스 자격 증명을 애플리케이션 소스 코드에 하드코딩하지 마세요. 저장소에서 지원하는 구성 방식을 사용하고 자격 증명은 버전 관리에서 제외하세요.
기본 대시보드 사용법
1. 플릿 전체 보기부터 시작
애플리케이션을 실행한 후 개요 KPI를 검토하여 현재 플릿 상태를 파악합니다. 성공률, 오류율, 평균 완료 시간, 중단 시간, 이동 거리 및 배터리 사용량에 특히 주의하세요.
2. 필터로 분석 범위 좁히기
날짜 범위를 사용하여 서로 다른 운영 기간을 비교합니다. 그런 다음 특정 로봇, 위치 또는 작업 유형을 선택하여 플릿 전체 요약에서 집중 조사로 전환합니다. 대시보드는 동적으로 업데이트되므로 결과 차트와 KPI에는 선택한 필터 조합이 반영되어야 합니다.
3. 개별 로봇 비교
로봇 성능 섹션에서 오류율, 작업 수, 오류 횟수, 중단 시간 및 완료 시간을 비교합니다. 오류율이 높고 중단 시간이 긴 로봇은 더 심층적인 운영 검토가 필요할 수 있습니다.
4. 위치 및 작업 유형 조사
위치별 오류 분석을 통해 로봇이 반복적으로 문제를 겪는 영역을 파악할 수 있습니다. 작업 유형별 오류율을 확인하면 특정 작업 종류가 낮은 안정성과 관련되어 있는지 알 수 있습니다.
5. 리소스 관계 검토
이동 거리와 배터리 소모량을 함께 살펴봅니다. 이러한 측정값 간의 관계를 통해 비정상적인 에너지 사용을 감지하거나 운영 거리가 배터리 수요에 미치는 영향을 파악할 수 있습니다.
분석 워크플로 예시
실제 조사는 다음 순서로 진행할 수 있습니다.
- 관심 기간을 포함하도록 날짜 범위를 설정합니다.
- 플릿 수준의 성공률과 실패율을 검토합니다.
- WATCH 또는 ATTENTION 범주에 해당하는 로봇을 식별합니다.
- 해당 로봇을 다운타임, 작업량, 평균 완료 시간 기준으로 비교합니다.
- 실패가 특정 지역에 집중되어 있는지 확인하려면 위치별로 필터링합니다.
- 특정 작업이 실패를 유발하는지 확인하려면 작업 유형별로 필터링합니다.
- 리소스 효율성에 대해 결론을 내리기 전에 이동 거리와 배터리 사용량을 비교합니다.
분석을 위한 고급 팁
하나의 KPI에 의존하지 말고 지표를 함께 분석하세요
작업 실패율은 중요하지만 작업량, 다운타임, 평균 완료 시간과 함께 해석해야 합니다. 작업이 많은 로봇은 사용량이 적은 로봇보다 자연스럽게 더 많은 실패를 기록할 수 있으므로, 비율과 건수를 함께 검토하면 더 나은 맥락을 확보할 수 있습니다.
필터를 사용해 운영 패턴을 분리하세요
넓은 날짜 범위에서 시작한 다음 로봇, 위치, 작업 유형별로 데이터를 점진적으로 좁혀 보세요. 이 접근 방식은 플릿 전체의 문제와 특정 운영 상황에 연결된 문제를 구분하는 데 도움이 됩니다.
운영 상황을 고려해 배터리 추세를 해석하세요
대시보드는 NumPy 선형 회귀를 사용해 배터리 소비 추세를 계산합니다. 이를 완전한 설명이 아니라 분석 신호로 보세요. 이동 거리, 작업 유형, 로봇 작업량, 운영 위치가 모두 배터리 사용량에 영향을 줄 수 있습니다.
예외 범주의 우선순위를 정하세요
NORMAL, WATCH, ATTENTION 범주를 분류 및 대응을 위한 기준으로 사용하세요. 먼저 ATTENTION 로봇을 조사한 다음, 위치 및 작업 유형별 결과와 실패 패턴을 비교해 가능한 원인을 찾아보세요.
탐색 중 Plotly 상호작용을 활용하세요
Plotly 시각화는 대화형 탐색을 위해 설계되었습니다. 차트 요소에 마우스를 올리고, 범주를 비교하며, 각 차트를 따로 검토하기보다 대시보드 필터를 함께 사용하세요.
기술별 역할
- Python: 애플리케이션 및 분석 로직
- Streamlit: 대화형 대시보드 인터페이스
- Pandas: 데이터 처리 및 집계
- NumPy: 수치 분석 및 추세 계산
- MySQL: 운영 데이터 저장
- MySQL Connector/Python: 데이터베이스 연결
- Plotly: 대화형 데이터 시각화
결론
Robot Fleet Analytics는 자율 플릿 성능을 파악할 수 있는 단일 작업 공간을 제공합니다. MySQL, Python, Pandas, NumPy, Plotly, Streamlit으로 구성된 아키텍처는 높은 수준의 모니터링과 세부 조사를 모두 지원합니다. 동적 필터를 신뢰성, 효율성, 다운타임, 예외 지표와 결합하면 팀은 원시 로봇 기록에서 더 명확한 운영 의사결정으로 나아갈 수 있습니다.