한글내용
(Korean Abstract) |
최근 제조 산업 분야에서 스마트 센서를 활용한 기계 관리가 증가하고 있다. 그에 따라 돌발적인 기계 고장으로 인한 피해 방지를 위해 기계에 부착된 센서를 통해 수집된 데이터를 기반으로 이상치를 탐지하는 기술에 관한 관심이 높아지고 있다. 특히 심층 학습을 통한 이상치 탐지의 경우, 높은 정확도를 달성할 가능성이 큰 반면, 많은 데이터를 요구한다. 따라서 우발적으로 발생하는 이상 상황의 경우 그 패턴이 다양하고, 이로 인해 수집할 수 있는 데이터가 제한적이어서 우수한 성능을 기대하기가 어렵다. 본 논문에서는 모델이 여러 과제로부터 얻은 지식을 통해 새로운 과제에도 빠르게 적응하는 MAML 기반 이상치 탐지 기법을 제안한다. 제안한 기법을 위해 이상치 탐지 모델인 Auto Encoder를 사용하였고, 학습에 기존에 발생했던 이상 데이터를 활용함으로써 부족한 데이터로 인한 문제를 해결하고자 한다. 다양한 센서에서 수집된 이상치 데이터셋을 사용한 실험을 통해 제안한 기법의 우수성을 입증한다. |
