제조 설비 이상탐지를 위한 시계열 전력 데이터 기반 비지도 학습 모델 연구

홈 > 연구문헌 >

한글제목(Korean Title)	제조 설비 이상탐지를 위한 시계열 전력 데이터 기반 비지도 학습 모델 연구
영문제목(English Title)	A Study on the Unsupervised Learning Models base on Time Series Energy Data for Anomaly Detection in Manufacturing Facilities.
저자(Author)	김윤기 강선무 홍충선 Yoon Ki Kim Sun Moo Kang Choong Seon Hong
원문수록처(Citation)	VOL 49 NO. 01 PP. 1127 ~ 1129 (2022. 06)
한글내용 (Korean Abstract)	본 논문에서는 비지도 학습인 재구축모델을 이용하여 시계열 전력 데이터의 이상치 탐지방법을 제안한다. 대부분의 전력 데이터 기반의 이상치는 시계열 예측 이상치 탐지 알고리즘에서 잘 발견되지 않는 맥락적 이상치(contextual anomaly)와 발생빈도는 얼마 안되지만 반복적으로 발생하는 이상치(collective anomaly)를 포함한 불안정 시계열로 구성되어 있다. 이를 고려해 제안된 기법을 실제 제조 공정상에 적용하여 예측 기반 이상치 탐지 알고리즘 대비 제조 공정 변화 탐지에 우수한 성능을 보였으며 이에 따라 제조 공정 전력 데이터의 맥락적 이상탐지(contextual anomaly)에 있어서 보다 효율적이고 적합한 이상치 탐지 방법을 검증하여 제시한다.
영문내용 (English Abstract)
키워드(Keyword)
파일첨부	PDF 다운로드

사이트맵