다변량 품질데이터 분석을 위한 공정이상 원인 변수 탐지

국문 초록 (Abstract)

본 연구에서는 제시한 연구목표를 달성하기 위하여, 다음 여섯 단계의 연구들을 순차적으로 진행한다.
(1) 공정 시스템 이상원인 변수 탐지 방법론에 대한 선행연구 단계에서는 기존 문헌조사를 통해 다양한 방법론들의 특성 및 장·단점을 살펴본다. 각 방법론의 특성을 파악하기 위하여 본 연구주제와 관련된 방법론만을 선별하고, 중요도에 따라 우선순위를 파악하며, 이들의 기본 원리를 이해한다.
(2) 둘째, 최근 문헌들을 중심으로 다변량 데이터기반 시스템 이상 여부 탐지에 관한 방법론들을 선별하고, 각 방법론의 특징을 파악 후, 본 연구에 활용할 수 있는지 검토한다. 이 과정에서 기존 방법론들을 면밀하게 분석하여, 이들이 사용한 방법의 장단점을 분석함과 동시에 또 다른 대안은 없는지 브레인스토밍(brain storming) 기법을 통해 확인한다.
(3) 본 단계에서는 베이지안 통계와 결합된 기계학습 기반의 단일 클래스 기반 분류모형을 개발한다. 먼저, 베이지안 통계와 기계학습 기반 분류모형간의 상관관계를 수리적으로 모델링할 수 있는 방법을 연구한다. 제안하는 모형은 데이터의 분포에 강건하여 정규분포와 비정규분포를 따르는 데이터에 모두 적용 가능해야 한다. 새로운 방법론 개발 단계에서는 선행연구 및 브레인스토밍 방법으로 도출된 다양한 방법론을 여러 방법으로 조합하여 새로운 방법론의 프로토타입을 생성한다. 개발된 프로토타입에 데이터의 분포에 강건한 방법론이 포함될 수 있도록 수리모형을 개발하고, 수학적 이론을 통해 이론적으로 검증한다.
(4) 제안하는 베이지안 학습 기반 단일 클래스 분류모형으로 이상 데이터가 추출된 후 어떤 변수들이 시스템에 이상을 일으켰는지에 진단하기 위해서 이상원인 변수를 검출하기 위한 새로운 방법론을 개발하고자 한다. 위 연구를 위하여 관련 문헌조사 및 전문가들의 의견을 구할 예정이다.
(5) 새로운 모형에 포함되어 있는 매개변수 설계 단계에서는 다변량 데이터 분석에 적합한 최적의 매개변수들을 시행착오적 방법으로 찾아보고, 필요에 따라 매개변수 선택을 위한 별도의 연구를 수행할 수 있다. 이와 함께, 매개변수와 모형의 성능과의 민감도 분석은 통계적 기법을 활용한다.
(6) 이상원인 변수 탐지 분야의 대표적인 테스트 문제와 다양한 응용 분야에서 획득 가능한 실제 데이터, 성능 분석을 위해 별도로 설계해야 하는 문제 등 다양한 데이터들을 확보하여, 개발한 방법론의 성능을 검증하고 분석한다.