본 프로젝트는 자동차 엔진 생산 공정 품질을 결정짓는 생산설비로부터 수집된 센서데이터 기반 알람 조기예측 분석을 수행하였다. 여러 공정 설비 및 다단계 공정으로 이루어진 엔진생산 공정은 각 설비별 공정이 정상적으로 수행되지 않을 때 알람이 발생한다. 주로 설비 알람 발생 후 유지보수가 이루어지는데 본 프로젝트에서는 알람발생 전조증상을 감지하여 알람을 조기에 예측할 수 있도록 센서데이터 기반 딥러닝 예측모델링을 수행하여 선행적 유지보수를 가능하게 하는 데 목표를 두고 분석을 진행하였다. 다음 세 가지 사항을 고려하여 예측모델링을 수행하였다. (1) 알람조기예측: 입력 센서 데이터가 알람 전조 증상을 설명하도록 데이터를 처리(7일 전, 3일전, 1일전 알람 전조증상으로 labeling), (2) 다중알람예측(multi-label classification): 하나의 센서패턴이 각 설비별 다른 종류의 알람을 나타내는 상황을 고려하기 위해 Multiple labeling 작업을 수행, (3) 비주요알람 처리(open-set classification): 다수 알람 종류에 따르는 모든 설비별 센서데이터 수집이 어려운 상황으로 학습되지 않은 알람 패턴을 예측할 수 있도록 open-set classification 수행이 가능한 모델을 구축하였다. 성능 평가는 다중 분류 문제에서 주로 사용되는 Jaccard 점수 및 F1 점수로 수행했고, 실험 결과 평균적으로 80% 이상 점수를 보여 알람 전조증상을 높은 정확도로 탐지 가능한 점을 확인하였다.