Manufacturing Time Series Data Anomaly Labeling and Semi-SupervisedLearning based Anomaly Detection
Tae Hyun Kim, Kyo-Hong Jin · The Journal of the Korean Institute of Information and Communication Engineering · 2024
IoT 기술의 발전으로 제조 설비 및 센서로부터 대규모 데이터 수집이 가능해졌으며, 이를 활용하여 설비의 이상 여부를 판별하는 이상탐지 알고리즘 연구가 진행되고 있다. 설비의 이상은 설비 고장을 발생시켜 생산 중단의 손실을 초래할 수 있다. 실제 제조 환경에서 설비의 이상 데이터 수집이 어렵고, 수동 레이블링은 작업자의 주관적 판단이 개입되어 정확도와 일관성을 저하시킬 수 있다. 본 논문에서는 레이블이 지정되지 않은 제조 시계열 데이터의 이상을 탐지하기 위해 이상 레이블을 생성하고, 오토인코더 모델을 이용한 준지도학습 기반의 이상탐지 방법을 제안하였다. Isolation Forest, One-Class Support Vector Machine, AutoEncoder 모델을 앙상블 하여 이상 레이블을 생성하고, 정상 데이터만 사용하여 오토인코더 모델을 학습한 뒤 정상과 이상 모두 존재하는 데이터로 성능을 평가하였다.