Transformer-based Time-series Anomaly Detection and Predictive Maintenance
연구 내용
다변량 시계열에서 이상 징후를 식별하고, 제조 설비 예지보전에 적용 가능한 표현 학습·주의 메커니즘·설명 가능한 탐지 프레임워크를 연구
제조 및 산업 환경에서 발생하는 비정상 신호를 조기에 탐지하기 위해 다변량 시계열의 시간적 패턴과 변수 간 관계를 함께 모델링하는 방법을 연구합니다. Transformer 기반 인코더와 1D 합성곱, 변수 간 inter-variable attention을 결합하여 이상 점수를 정교화하고, 예지보전 맥락에서는 도메인 지식을 반영한 설명 가능한 탐지 절차를 설계합니다. 또한 데이터 특성을 반영한 표현 학습을 활용해 유지보수 의사결정에 연결되는 탐지 결과를 제공하는 데 차별성이 있습니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
3건
연구 흐름
초기에는 시계열에서 정상-이상 구분에 필요한 표현을 학습하기 위해 Transformer 표현과 시간축 특징을 함께 사용하는 구조를 정립했습니다. 이후 변수 간 주의 메커니즘을 도입하여 다변량 상호작용 기반 이상탐지 성능을 높이는 방향으로 확장했습니다. 제조 시스템에서는 예지보전 목적에 맞춰 신뢰 기반 설명 가능 단계를 포함한 프레임워크로 발전시켰으며, 반영할 수 있는 산업 데이터의 범위를 넓히기 위해 스마트 제조와 연계된 멀티모달 이상치 탐지 방법론 연구를 병행했습니다. 최근에는 자율 제조 구현을 위한 현장 친화적 AI 에이전트와 결합 가능한 탐지·설명 파이프라인을 구체화하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Time-series anomaly detection with stacked Transformer representations and 1D convolutional network
Transformer-based multivariate time series anomaly detection using inter-variable attention mechanism
Explainable anomaly detection framework for predictive maintenance in manufacturing systems
Fault classification and timing prediction based on shipment inspection data and maintenance reports for semiconductor manufacturing equipment
관련 프로젝트
구분
제목
자율 제조 구현을 위한 현장 작업자 친화적 혁신 AI 에이전트 개발
설명 가능한 멀티모달 이상치 탐지 방법론 개발 및 산업 데이터 응용
설명 가능한 멀티모달 이상치 탐지 방법론 개발 및 산업 데이터 응용