확률적 어텐션 매커니즘을 활용한 장비 상태 분류 및 해석 방법론

국문 초록 (Abstract)

다채널 센서 데이터 분석은 차량 불량 상태 분류 및 제조 장비 상태 모니터링과 같은 다양한 산업응용 분야에서 활용되고 있다. 지난 수년 간 딥러닝 모델이 발전함에 따라 복잡한 다채널 센서 데이터의 특징을 딥러닝 기반 방법론을 통해 추출하려는 연구가 활발히 진행되고 있다. 장비 상태 분류 문제 상황에서 일반적인 딥러닝 모델을 적용할 경우 모든 예측 가능한 범주가 훈련 단계에서 학습되어야 한다는 가정을 따르므로 새로운 범주에 대해서는 대응을 할 수 없다는 한계점이 있다. 하지만 실제 제조 장비를 모니터링하는 과정에서는 새로운 범주가 발생할 수 있으며, 이에 대한 적절한 조치를 위해서는 기존에 정의된 범주로의 분류가 아닌 미학습 범주로 탐지가 되어야 한다. 본 연구에서는 분류 수행과정에서 유의미한 센서를 식별하고, 이에 대한 불확실성을 정량화할 수 있는 불확실성 인식 어텐션 매커니즘을 제안한다. 또한, 제안 모델로부터 도출되는 불확실성 정보는 미학습 범주를 탐지하는 지표로 활용한다. 제안 모델의 우수성을 입증하기 위해 시뮬레이션 데이터 기반의 검증 프로토콜을 구축하여 우수한 분류성능을 유지하면서 다채널 센서에 대한 다양한 해석이 가능함과 더불어 미학습 범주 탐지가 가능함을 확인하였다.