생성적 딥러닝 모형 기반 시계열 데이터의 이상치 탐지 비교 연구

초록

이상치 탐지는 전통적인 통계 모형뿐만 아니라 최근 머신러닝 및 딥러닝 모형에서도 여러 연구가 활발히 이루어지고 있는 분야이다. 특히 제조 분야에서 제조 공정의 복잡도 증가로 인하여 설비 또는 제품의 이상 발생 확률이 증가하였고 이로 인한 손실을 최소화하기 위하여 공정 내 이상치 탐지와 고장 발생에 대한 예방적 정비가 많은 관심을 받고 있다. 최근 이상치 탐지를 위한 여러 구조의 딥러닝 모형이 개발되었으나 공정 내 이상치 탐지의 성능을 공정하게 비교한 연구는 충분히 진행되지 않았다. 본 연구에서는 제조 분야의 센서 데이터에 대한 이상치 탐지가 가능한 생성적 딥러닝 모형 기반의 여러 모형들을 소개하고 합성 데이터와 실제 자동차 부품 공정의 데이터를 기반으로 성능 비교를 수행하였다. 본 연구의 성능 비교 결과, 시계열 데이터에 대한 이상치 탐지에 대해서 LSTM 구조와 GAN 모형을 결합한 TadGAN 모형이 가장 우수한 성능을 나타내었다.

키워드