> For the complete documentation index, see [llms.txt](https://kmds-1.gitbook.io/k-mds/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://kmds-1.gitbook.io/k-mds/undefined/undefined-5/ai/trip.md). # 고강도 고연성 TRIP강 소재 예측 ## 1. 데이터 로드 1\) 사용자 PC의 데이터 로드

① 분석 메뉴에 있는 AI 특화분석 -> TRIP강 소재 예측의 분석실행 -> Data Load 선택\ ② 양식다운로드 클릭: 파일을 다운받고 압축을 풀어서 csv에서 설명된 가이드에 맞춰 작성\ ③ 내 PC Data 선택\ ④ 파일찾기 클릭: 팝업창에서 파일 추가 -> 디렉토리 선택 -> 양식 파일 선택하고 업로드\ ⑤ 실행 클릭: csv 파일의 내용이 표로 나타나고, 결측치와 Heatmap 이미지로 표출\ ⑥ 이미지 저장 클릭: 결측치와 Heatmap 이미지를 마이 드라이브에 저장\ ⑦ Reset: 진행중이던 데이터를 삭제하거나 새로운 분석을 진행하고자 할 때 클릭 1-1) 다운로드양식에 데이터 입력: 위의 1)항 ②에서 다운로드한 csv 파일에 데이터 입력

① 다운로드한 csv 파일을 열고 Compositon 입력\ - CSV 파일은 반드시 CSV UTF-8(쉼표로 분리)로 저장해햐 함\ ② 조성은 최소값 \~ 최대값 사이의 데이터를 입력\ ③ TS 입력: Tensile Strength 값 입력\ ④ EL 입력: Elongation 값 입력\ ⑤ TS\*EL: TS와 EL의 곱한 값을 입력 1-2) 내 PC의 데이터 로드: 위 1)항의 ④ 항목의 상세 설명

① 데이터 로드 화면에서 파일찾기 클릭: 대용량 업로드 팝업창에서 파일 추가 클릭\ ② 내 PC의 드라이브 창이 열리면 데이터를 입력한 csv파일이 있는 디렉토리 선택\ ③ 데이터를 입력한 csv 파일을 선택\ ④ 열기를 클릭: 선택한 파일이 대용량 파일 업로드 창에 등록됨\ ⑤ 파일 업로드: 선택한 파일 업로드가 진행되고 완료되면 팝업창이 자동으로 사라짐 2\) 마이 드라이브의 데이터 로드

① 분석 메뉴에 있는 AI 특화분석 -> TRIP강 소재 예측의 분석실행 -> Data Load 선택\ ② 마이 드라이브 선택: 마이 드라이브에 있는데이터 로드\ ③ 파일찾기 클릭: 마이 드라이브 트리 팝업창 생성 -> 폴더 및 파일 선택 -> 선택 클릭\ ④ 실행 클릭: csv 파일의 통계치가 표로 나타나고, 결측치와 Heatmap 이미지로 표출\ ⑤ 이미지 저장 클릭: 결측치와 Heatmap 이미지를 마이 드라이브에 저장\ ⑥ Reset: 진행중이던 데이터를 삭제하거나 새로운 분석을 진행하고자 할 때 클릭 2-1) 마이 드라이브의 데이터 선택: 위 2)항의 ③항목의 상세 설명마이드

① 마이 드라이브 트리 창에서 데이터가 있는 디렉토리 및 파일 선택\ ② 선택 클릭하여 데이터 로드\ \- 실행 클릭하면, CSV 파일의 통계치가 표로 나타나고 결측치와 Heatmap이 이미지로 표출 3\) 샘플 데이터셋 업로드

① 샘플 데이터셋 선택: 내장된 데이텃셋이 업로드됨.\ ② 실행 클릭: 내장된 데이텃셋의 통계치가 표로 나타나고, 결측치와 Heatmap 이미지로 표출 ## 2. 모델 학습 1\) 모델 학습: 데이터 로드이후 학습조건을 설정해서 학습 (Train) 진행

① TRIP강 AI 분석창에서 Train 클릭\ ② 학습 조건 설정\ ③ 조건 설정후, 학습 클릭하여 학습 (Train) 진행\ ④ 학습후 모델 저장: Tensile Strength와 Elongation 모델을 동시에 마이 드라이브에 저장\ ⑤ 학습후 학습 데이터의 물리적 특성, TS 학습 성능, EL 학습 성능 결과를 마이 드라이브에 저장 1-1) 모델 학습 결과 저장: 위 1)항 ④과 ⑤항목에 대한 설명

① 학습 결과, TS 및 EL 모델을 마이 드라이브에 저장\ ② 선택하여 저장 클릭 ## 3. 물성치 예측 1\) 물성치 예측: 학습이후 조성 및 공정조건을 입력하여 TS, EL, TS \* EL 예측 진행

① TRIP강 AI 분석창에서 Predict 클릭\ ② TS 모델 열기, EL 모델 열기: 저장된 학습 모델을 불러와서 예측 진행할 때 사용\ \- 모델 학습이 끝나면 자동으로 모델이 입력됨\ ③ 양식 다운로드 클릭: 파일을 다운 받아서 압축을 풀고 csv 파일에 설명된 가이드에 맞춰 작성\ \- 위 데이터로드의 1-1)항의 데이터 작성 가이드 참고\ - CSV 파일은 반드시 CSV UTF-8(쉼표로 분리)로 저장\ - CSV 파일에 예측용 샘플 데이터 1건 포함\ ④ 예측 파일 열기 클릭: TS, EL, TS \* EL 물성치 예측하기 위해 조성, 공정조건 입력한 csv 파일 선택\ \- 입력 데이터가 테이블에 표시됨\ ⑤ Predict 클릭: 예측 실행\ ⑥ 예측 결과 저장: 물성치 예측 결과 csv 파일 저장, Train 결과와 물성치 예측 결과 저장,\ 조성, 공정조건, 물성치 비교 이미지 저장 1-1) TS 및 EL 모델 불러와서 물성치 예측

① 양식 다운로드 클릭: csv 파일 다운받아서 csv에 설명된 가이드에 맞춰 작성\ \- 데이터 로드의 1-1)항의 데이터 작성 가이드 참고\ ② 예측 파일 열기 클릭: TS, EL, TS \* EL 물성치 예측하기 위해 조성, 공정조건 입력한 csv 파일 선택\ \- 데이터 로드의 1-2)항의 데이터 파일 찾기 및 등록가이드 참고\ ③ TS 및 EL 모델 불러오기 클릭: 저장된 학습 모델을 불러와서 예측 진행할 때 사용\ \- 마이 드라이브에서 모델이 저장된 디렉토리 열기\ \- 학습이 끝나면 TS 및 EL 모델은 자동으로 입력되어 있음\ ④ TS 및 EL 모델 선택: TS 모델과 EL 모델을 동시에 불러와서 예측\ ⑤ 선택 클릭: 저장된 TS 및 EL 모델 선택후 예측 실행\ \- 선택후 예측 실행하고, 그 결과를 저장 ## 4. 역설계 예측 1\) 역설계\ \- 학습을 통해 확보한 모델과 물성치를 이용하여 특정 물성치를 가지는 조성, 공정 조건을 예측 진행

① TRIP강 AI 분석창에서 Inverse Design 클릭\ ② 역설계 조건 입력: 역설계를 위해 TS \* EL의 범위 및 생성수 입력\ ③ Predict 클릭: 설정된TS \* EL 범위에 해당하는 조성, 공정 조건, TS 및 EL 물성치 예측\ ④ 조성, 공정조건, 물성치예측결과 저장: 역설계 결과 비교 이미지 및 csv 파일 저장\ ⑤ TS 모델 열기, EL 모델 열기: 저장된 학습 모델을 불러와서 예측 진행할 때 사용\ \- TS 및 EL 모델 불러오기는 위의 3.물성치 예측의 1-1)과 동일