AIVLE SCHOOL 빅프로젝트 3주차 후기

2주차에서 받은 피드백을 바탕으로

AI 기능을

FOD 객체 탐지 및 분류,

활주로 노면 손상 자동 탐지,

외부 시설물 이상 감지,

이상 탐지 보고서 자동 작성

으로 확장해보았다.

 

피드백에서 전체적인 평은 좋았으나,

기능 구현이 조금 쉬워보이는 부분이 있어서

난이도를 더 올려보라는 평이 있었다.

그리고 서비스 플로우를 수정해보라고 하셔서

목요일 피드백 전까지 기능을 구체화해서

서비스플로우까지 수정했다.

 

목요일 피드백까지는 우리 조의

빅프로젝트 주제와 명확한 기능이

정의가 되어야 한다는 생각이 들어서

최대한 기능들을 구체화 해보았다.

 

먼저 FOD 탐지 뿐만 아니라,

조류, 동물, FOD, 작업자, 조업차량들을 탐지하고

어떠한 객체인지 분류하여 객체 종류에 맞게

맞춤형으로 알림이 가는 기능으로 구체화했다.

조류/동물/FOD 같은 경우는 긴급상황이라고 판단이 되어

탐지되면 바로 알림이 가도록 하고,

작업자가 탐지될 경우는 인가된 작업자인지 체크,

조업차량이 탐지될 경우에는 조업차량의 종류를 분류하고,

인가된 차량인지 체크하는하여 알림을 보내는 방식으로

구상을 했다.

 

그리고 활주로 노면 손상 탐지같은 경우에는

단순히 손상을 탐지하는 것이 아니라

손상된 크기를 측정하고

여러 변수를 고려하여 예상 수리기간, 비용을 예측하여

LLM을 기반으로 한 보고서를 자동 작성하는 기능으로 

구체화 하였다.

 

그리고 외부 시설물 이상 감지 기능은

장비 비용 분석 기능으로 대체하였다.

사용자가 장비 분석 요청을 하면

해당 장비의 스펙을 보고 유지보수 비용을 예측하고,

이를 바탕으로 장비를 교체하는게 좋을지,

유지보수를 하는게 효율적인지 알려주고

필요 시 유사 장비를 추천하는

보고서를 자동 작성하는 기능으로 확대하였다.

 

이렇게 구체화한 기능들은

목요일 피드백에서 좋은 피드백을 받은것 같다.

그래서 우리 조는 이 기능들을 확정하고

본격적으로 구현을 들어가도록 하였다.

 

3주차에는 주제에 대한 기능을 

구체화하면서 어느정도 구현도 

시작하였다.

AI 기능을 구체화 하기 전까지는

UI를 디자인한 것을 바탕으로 UI를 구현하고,

목요일 피드백이 끝나고는 바로

모델별로 인원을 나누어

인당 하나의 기능을 맡을 수 있도록 하였다.

LLM 을 맡은 인원은 

보고서 작성이 각 기능의 마지막이라서,

다른 모델이 구현되기 전까지

초안 코드를 완성하도록 하였다.

(다른 모델이 구현되면 바로 적용 될 수 있도록)

 

그리고 이미지 탐지 모델의 경우

학습할 데이터셋이 없는 경우가 있어

이미지를 수집하였고,

데이터셋은 있는데 용량이 너무 커서

어떤 방식으로 학습시킬지 생각해보았다.

 

그리고 장비 유지보수 예측같은 경우에는

데이터셋을 찾기 힘들어서 우리가 임의로

데이터셋을 구축하여 모델을 학습시키려고 하긴하는데,

그래도 각 변수별로 어느정도 적합한 상관관계나,

목표변수(유지보수 비용)에 적합한 영향을 주도록 고려를 해서

데이터셋을 구축할 수 있도록 하였다.

 

나는 모든 AI 기능들을 어느정도 같이하면서

기능이 명확해진 후에는 다른 팀원 한명과

MSAez에서 이벤트스토밍을 진행했다.

금요일 하루만에 이벤트스토밍을 끝내긴 했는데,

이벤트스토밍을 진행하면서 기능을 구현할 때

애매했던 부분들을 알아차릴 수 있었고,

이를 명확히 해가면서 이벤트스토밍을 완료했다.

 

다음주부터는 완료한 이벤트스토밍을 바탕으로

백엔드를 구현할 예정이다.