Time-Series Predictive Maintenance and Generative Anomaly Detection for Manufacturing Quality
연구 내용
LSTM 기반 시계열 학습으로 CNC 고장과 RUL을 예측하고, f-AnoGAN 및 MIL-CBR로 이미지 품질 이상과 해석 단서를 도출하는 연구
연속 공정에서 설비 고장과 품질 저하는 비용과 다운타임을 유발하므로, 시계열 센서 데이터 기반 예지보전과 이상탐지 연구가 중요합니다. 연구실은 CNC 가공 센터의 이상 징후를 장단기 의존성을 갖는 LSTM 기반 학습으로 모델링하고, 남은 유효 수명(RUL) 예측과 유지보수 타이밍 결정을 포함한 운영 전략을 구성합니다. 또한 공정 품질 관리로 확장하여 커피 크레마 이미지에 대해 GrabCut 전처리와 f-AnoGAN 기반 이상탐지 체계를 적용하고, VAE 및 하이퍼파라미터 최적화로 탐지 성능을 강화합니다. 더 나아가 다중 인스턴스 학습에서 해석 가능성을 높이기 위해 MIL-CBR을 제안하여 불명확 라벨 구조에서도 핵심 원인 단서를 추론합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
2건
연구 흐름
최근 2025년에는 제조 설비의 센서 데이터를 대상으로 LSTM 기반 고장 예측과 원인 분석, RUL 추정을 수행하는 예지보전 연구가 진행되었습니다. 같은 시기에 영상 기반 품질 관리로 범위를 확장하여 모바일 장치 연동 환경에서 f-AnoGAN 기반 실시간 이상탐지를 구현했습니다. 또한 다중 인스턴스 학습의 해석 한계를 다루기 위해 MIL-CBR을 제안하며, 모호한 라벨 구조에서도 사례 기반 추론을 결합하는 방향으로 방법론을 확장했습니다. 병행하여 AI 융합 인재양성 과제로 제조 AI와 헬스케어 AI 교육 및 산학 연계를 수행하는 흐름을 보입니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Long Short-Term Memory-Based Computerized Numerical Control Machining Center Failure Prediction Model
Espresso Crema Analysis with f-AnoGAN
MIL-CBR: Case-based reasoning for multiple instance learning
관련 프로젝트
구분
제목
인공지능융합혁신인재양성(부산대학교)
인공지능융합혁신인재양성(경희대학교)