MinIO 원본 보관
운행·충방전 BMS CSV와 전처리 파일의 원본 보관소
| 위치 | 파일명 | 역할 | 상태 |
|---|---|---|---|
| pipeline/sources/ | betterwhy.py · sk.py · aicar.py | 소스별 어댑터 (컬럼·단위·세션규칙 통일) | 완료 |
| pipeline/ | run_extract.sh | 통합 추출 진입점 — 소스/추출종류 2단계 메뉴 | 완료 |
| pipeline/ | get_fast_charging.py · get_discharging.py | 급속충전 / 주행(방전) 추출 (Ray+MinIO) | 완료 |
| analysis/ | explore_fast_charge.py · explore_discharge.py · explore_relaxation.py | 각 구간 EDA + 교체 감지 + 충전기 고정 추적 | 완료 |
| analysis/ | additional_analysis.py | 다소스 합산 → SOH 궤적·열화 속도·통합 지표 | 완료 |
| analysis/ | fast_charge_cell_analysis.py · extract_cell_history.py | 셀 단위 편차 분석 · 차량별 셀×세션 이력 | 완료 |
| modeling/ | grade_classification.py | 재사용 등급 산정 (A/B/C/재활용, 100점) | 완료 |
| modeling/ | scoring.py | RUL 잔존수명 · 충전/주행 습관 · 충전기 지도 | 완료 |
| modeling/ | predict_models.py · LSTM_multi_soh.py · calc_dcir.py | 앙상블 예측 · LSTM/GRU SOH · DCIR 분석 | 완료 |
| web/ai_ready/ | service.py | 최신 통계 → 이론 근거 결합 → AI-Ready JSONL 생성·검증·에이전트 | 완료 |
| modeling/finetune/ | train_qlora.py · evaluate.py | 고품질 SFT JSONL 기반 QLoRA 파인튜닝·평가 패키지 | 준비 완료 |
| 차종 | 셀 수 | 아키텍처 |
|---|---|---|
| EV6 LR, IONIQ5 LR (192), IONIQ6 LR, GV70, THE_NEW_IONIQ5 LR, IONIQ5 N | 192 | E-GMPElectric-Global Modular Platform: 현대차그룹 전용 EV 플랫폼. 800V 고전압으로 초고속 충전 지원. |
| IONIQ5 LR (180), GV60 | 180 | E-GMP 구형 |
| ST1 | 174 | E-GMP 상용 |
| IONIQ9 | 168 | E-GMP |
| EV9 | 152 | E-GMP |
| IONIQ5 STD, G80 | 144 | 400V계열 |
| KONA LR, NIRO LR (1세대), NIRO_PLUS, SOUL LR | 98 | 400V계열 (LG/SK pouch) |
| NIRO2 (2세대 SG2) | 96 | 400V계열 (CATL prismatic) |
| AUDI Q4 e-tron, VW ID.4 Pro, VW ID.5 Pro | 96 | MEB 외산 (LG ES NCM712 pouch) |
| Tesla Model 3 LR, Tesla Model Y LR | 96 | 2170 cylindrical (LG ES NCM811) |
| IONIQ (1세대, 28 kWh) | 96 | 400V계열 (LG Chem pouch) |
| EV3 LR, EV4 LR | 93 | 400V계열 |
| PORTER2 EV, BONGO3 EV (1톤 트럭) | 90 | 400V계열 |
| CASPER LR | 84 | 400V계열 |
| 차량 ID | 차종 | 최저 SOH | 열화폭 | 교체 |
|---|---|---|---|---|
| 로딩중... | ||||
| 차량 ID | 차종 | 연식 | 교체 시점 (추정) | 교체 전 SOH | 교체 후 SOH | SOH 급등 |
|---|---|---|---|---|---|---|
| 로딩중... | ||||||
| Period ID | 차종 | 연식 | 세션수 | 시작일 | 종료일 | SOH 변화 | 하락폭 | 연간 열화율 | 교체 구분 |
|---|---|---|---|---|---|---|---|---|---|
| 차량을 선택하세요 | |||||||||
| 차종 | 차량수 | period수 | 세션수 | 평균 SOH | 최저 SOH | 연간 열화율 | 신뢰도 |
|---|---|---|---|---|---|---|---|
| 로드 중... | |||||||
| 순위 | 셀 번호 | 편차 | 최근 추세 |
|---|---|---|---|
| 차량을 선택하세요 | |||
| 차종 | 소스 | 완성차 | 트림 | 배터리 제조사 | 셀 형상 | 화학계 | 용량(kWh) | 신뢰도 | 차량수 | SOH 중앙값 |
|---|---|---|---|---|---|---|---|---|---|---|
| 로드 중... | ||||||||||
| 차량 ID | 소스 | 차종 | 트림 | 배터리 제조사 | 팩 | 용량(kWh) | 최신 SOH | 기준일 | 주행거리 |
|---|---|---|---|---|---|---|---|---|---|
| 로드 중... | |||||||||
| 수준 | 소스 | 차종 | 차량 ID | 최신 SOH | 코호트 평균 | z-score | 기준일 | 주행거리 |
|---|---|---|---|---|---|---|---|---|
| 로드 중... | ||||||||
| 모델 | 파라미터 | MAE | RMSE | R² | 비고 |
|---|---|---|---|---|---|
| 로드 중... | |||||
| 모델 | RMSE | MAE | R² |
|---|---|---|---|
| 로드 중... | |||
| 모델 | AUC | F1 | Threshold |
|---|---|---|---|
| 로드 중... | |||
| 모델 | RMSE | MAE | R² |
|---|---|---|---|
| 로드 중... | |||
| 차종 | n | 평균 SOH | 평균 DCIR (mΩ) | std (mΩ) |
|---|---|---|---|---|
| 로드 중... | ||||
pack_voltage → pack_v → batt_volt (파일에 존재하는 컬럼 우선순위 적용)current → fast_chg_current → chg_currentpipeline/sources/{betterwhy,sk,aicar}.py · 컬럼·단위·세션규칙 통일 · 현재 --대 수집 · 아이카 GPS·텔레매틱스 별도 파일을 merge_asof로 BMS에 흡수| 차량 ID | 차종 | SOH | 충전 시작 SOC | 저SOC 비율 | 회생제동 | 급가속 | 급제동 | 종합 점수 | 등급 | 코칭 메시지 |
|---|
| 차량 ID | 차종 | SOH | 열화율 (%p/년) | RUL (SOH→80%) | RUL (SOH→70%) | SOH 80% 예상연도 | 추정 방법 | 신뢰도 |
|---|
| 항목 | 배점 | 기준 근거 |
|---|---|---|
| SOHⓘSOH 점수 (40점 만점) 입력: 현재 SOH × 0.6 + 최저 SOH(soh_min) × 0.4 가중평균 ━━━━━━━━━━━━━━━━━━━━ ≥ 95% → 40점 (신품 수준) ≥ 90% → 30점 (정상 노화) ≥ 80% → 14점 (열화 진행) ≥ 70% → 4점 (열화 심각) 그 외 → 0점 / 결측 시 20점 fallback ※ SOH < 65% 절대 컷오프 → 점수 무관 재활용 | 40점 | 정책 방향 참조: 정부 합동 「이차전지 전주기 산업경쟁력 강화 방안」(2023.12) + EU BattReg Art.14 (점수 공식·임계는 자체 설계) |
| 과방전이력ⓘ과방전이력 점수 (20점 만점) 입력: charge_low_soc_ratio (SOC < 20%일 때 충전 시작한 비율) ━━━━━━━━━━━━━━━━━━━━ = 0% (완벽) → 20점 < 14.8% (Q75) → 13점 < 33.3% (Q90) → 5점 ≥ 33.3% → 0점 (상시 과방전) 결측 시 10점 fallback ※ Q75/Q90은 실데이터 분위수 스냅샷 | 20점 | 실데이터 분위수 기반 — Q75=14.8%, Q90=33.3% (SOC 20%↓ 충전 비율) |
| 셀전압 편차ⓘ셀전압 편차 점수 (20점 만점) 입력: cell_diff_mean (셀 간 최대-최소 평균, V) ━━━━━━━━━━━━━━━━━━━━ NCM 파우치 (SK On / LG): < 8mV → 20점 < 15mV → 14점 < 30mV → 6점 ≥ 30mV → 0점 NCM 각형 (Samsung / CATL): < 7mV → 20점 / < 12~13mV → 14점 / < 25mV → 6점 외산 (LG ES NCM): 파우치와 동일 밴드 미매핑 차종: 분위수 q10/q50/q90 fallback | 20점 | (chemistry, 셀 제조사) 스펙 — NCM 파우치(SK On·LG) / NCM 각형(Samsung·CATL), 미매핑 차종은 분위수 fallback |
| DCIR 정규화ⓘDCIR 점수 (20점 만점) 입력: 동일 차종 내 dcir_mean의 분위수 위치 (0~1) ━━━━━━━━━━━━━━━━━━━━ < 0.25 (하위 25%) → 20점 < 0.50 (하위 50%) → 13점 < 0.75 (하위 75%) → 5점 ≥ 0.75 (상위 25%) → 0점 결측 시 10점 fallback ※ 차종별 DCIR 3.3× 차이 → 절대값 비교 불가, 차종 내 상대 위치만 의미 | 20점 | 동일 차종 내 상대 위치 (분위수 0.25 / 0.50 / 0.75) |
| 하드 컷오프: SOH < 65% → 강제 재활용 (한국 환경부: ≥80% 재사용 / 65~80% 재제조·ESS / <65% 재활용) · synthetic 훈련: 교체 직전 차량 soh_min 활용 | ||
| 등급 | 주요 활용처 | 잔존가치 | 주요 고객 |
|---|---|---|---|
| A등급 | EV 배터리 재사용 / 고용량 산업 ESS (200kWh+) / 태양광 저장 | 높음 | 중고 EV 딜러 / 산업 ESS 사업자 |
| B등급 | 중용량 ESS (10~50kWh) / 소형 EV / 물류 AGV | 중간 | 가정용 ESS / 스마트팩토리 / 농기계 |
| C등급 | 저용량 ESS / UPS 비상전원 / 소형 선박 보조 | 낮음 | UPS 제조사 / 소형기기 업체 |
| 재활용 | 원재료 회수 — Li·Co·Mn 재련 / 배터리 블랙매스 | 소재값 | 배터리 리사이클링 업체 |
차량 운행과 충·방전 과정에서 수집된 BMS 시계열을 정제한 뒤, 최신 통계·EV 지식은 RAG 검색 corpus로, 답변 방식과 분석 원칙은 고품질 SFT 데이터로 분리하는 과정입니다.
보관·분석·학습·활용을 하나의 검증 가능한 데이터 계보로 연결합니다.
운행·충방전 BMS CSV와 전처리 파일의 원본 보관소
대용량 시계열을 열 기반으로 압축하고 SQL로 빠르게 집계
품질 정제·특징화 · 단위·유효범위 검증, 차량·일별 집계, 식별자 가명화
최신 지식은 검색하고, 답변 원칙은 선별 학습하는 이중 구조
사용자 질문을 분류하고 실측 근거와 조회 과정을 함께 제시
현재 플랫폼은 전기차 운행과 충·방전 과정에서 수집된 정형·시계열 BMS 데이터를 사용합니다. 원천 레코드 1행은 특정 시각의 차량·배터리 상태를 나타내며, 아래에 실제 원본 행을 CSV 형태로 보여줍니다.
| 데이터를 불러오는 중입니다. |
보안 원칙 · 원본 차량 ID와 저장 경로는 화면에 노출하지 않습니다.
집계 기준 · 현재 통합 분석뷰가 사용하는 BetterWhy 전처리본·SK·AiCar만 합산합니다. raw_betterwhy_origin은 별도 원본 적재본이므로 중복 집계하지 않습니다.
이 단계는 EV 지식 카드를 붙이기 전입니다. 버튼을 누르면 ClickHouse 원본이 정제·집계되어 어떤 중간 테이블과 값이 만들어지는지 실제 데이터로 보여줍니다.
통계만 나열하지 않고, 해당 수치의 의미·주의사항·비교 조건을 EV 도메인 지식 카드와 연결해 답변 문장을 만듭니다.
실행하면 조회 명령, 사용한 값, 연결한 원문과 생성 결과가 순서대로 표시됩니다.
EVIDENCE--
현재 검수 상태 위 4개 공개 원문의 관련 절을 직접 확인해 출처 범위를 기록했습니다. 내용은 원문을 그대로 복제하지 않고 요약·재서술한 초안이며, 연구 활용 전 배터리 도메인 전문가의 최종 감수가 필요합니다.
통계와 EV 이론은 중복 없는 지식 문서로 보관하고, 비식별 차량 사례와 분석 과업을 결합한 SFT 대화 10,000건을 학습·검증 JSONL로 생성합니다.
RAG는 필요한 지식을 찾아오고, SFT는 답변하는 방식을 가르칩니다.
시험 중 참고서를 펼치는 오픈북과 같습니다.
전문가가 반복 훈련하는 코칭과 같습니다.
역할 경계 SOH 계산과 이상 탐지는 ClickHouse 집계·분석 로직이 수행하고, RAG와 SFT는 그 결과를 근거 있게 해석하고 설명합니다.
실행하면 실제 manifest 수량과 사용 파일, 검색 근거, 모델 적용 상태가 표시됩니다.
--
--기존 에이전트 플랫폼의 오케스트레이션 방식을 EV 전용으로 적용했습니다. 선택 메뉴 없이 EV 배터리만 다루며, 현재 플랫폼의 ClickHouse 최신값과 3·4번 AI-Ready 산출물을 직접 사용합니다.
ev_fleet_overviewev_best_vehicleev_battery_healthev_model_comparisonev_charging_patternev_driving_efficiencyev_cell_watchlistev_pipeline_inspectorev_ai_ready_lineage대표 질문을 실행해 보세요. 배터리 건강도와 운용 특성을 다기준으로 평가하고, 선정 근거·비교 한계·표·그래프를 함께 제시합니다.