HD 현대 AI Challenge

선박 대기 시간 예측 AI 개발(예선)

건설기계 작업 중량 예측 AI 개발(본선)

Overview(예선)

Overview(본선)

1. 배경 & 목적

<예선>

• 코로나19 이후 물류 정체로 인해 다수의 항만에서 선박 대기 시간이 길어지고, 이로 인한 물류 지연이 화두가 되고 있음.
• 특히 전 세계 물동량의 85%를 차지하는 해운 물류 분야에서 항만 정체는 큰 문제로 인식되고 있는 상황임.
• 접안(배를 육지에 대는 것;Berthing) 전에 선박이 해상에 정박(해상에 닻을 바다 밑바닥에 내려놓고 운항을 멈추는 것;Anchorage)하는 시간을 대기시간으로 정의하고, 선박의 제원 및 운항 정보를 활용하여 산출된 항차(voyage; 선박의 여정) 데이터를 활용하여 항만 內 선박의 대기 시간을 예측하는 AI 알고리즘을 개발

<본선>

• 건설/기계 센서 데이터를 활용해 작업 중량을 예측하는 AI 알고리즘 개발

2. 주최/주관 & 참가 대상 & 성과

• 주최/주관: HD한국조선해양 AI Center / DACON
• 참가 대상: 국내외 대학생/대학원생 / HD현대 그룹사 임직원
• 성과: 예선 1위 / 본선 2위 / 최종 우수상 수상

3. 대회 기간

<예선>

• 제출마감: 2023년 10월 30일
• 코드 평가 마감 및 최종순위 발표: 2023년 11월 06일

<본선>

• 제출마감 : 2023년 11월 09일
• 코드 평가 마감 및 최종순위 발표: 2023년 11월 09일

4. 내용

<예선>

• 국제 무역량 / BDI 지수 등 외부 데이터를 활용
• 선박의 제원 및 운항 정보를 통해 산출된 항차(voyage; 선박의 여정) 데이터를 활용하여 Feature Engineering
• LGBM / XGB를 사용하여 Modeling 진행
• 날짜 별 기상정보를 활용하여 Target Logic Algorithm 사용

<본선>

• Sensor Data Transformation을 통한 ML Modeling
• Shift / rolling 기법을 활용한 Feature Engineering
• Tweedie loss function을 적용한 Modeling
• LGBM / Catboost를 사용해 Modeling
• Geometric mean Ensemble 사용

5. Process

ch.1 Feature Engineering

<예선>

• Categoryical Feature Combination
• Holiday Feature
• Date Feature
• Label Encoding

<본선>

• Data Architecture 변형
• Shift / Rolling을 활용한 Time Series Feature

---

ch.2 Preprocessing

<예선>

• 외부 데이터 전처리
• NAN 전처리

<본선>

• Time Series to Table Transform

---

ch.3 Modeling

<예선>

• LGBM
• XGB

<본선>

• LGBM
• Catboost

---

ch.4 Ensemble

<예선>

• Weighted Ensemble(LGBM 0.8 / XGB 0.2)

<본선>

• Weighted / Geometric Ensemble

6. 참고자료

HD현대 AI Challenge 사이트

HD AI Challenge 본선 발표 자료