Robust Digital Twin Sensor Placement Optimization and Soft Sensor Reconstruction
연구 내용
노이즈가 포함된 센서 데이터를 Denoising Autoencoder로 복원하고 예산 제약 하 센서 배치를 이산 최적화로 선정하여 디지털 트윈의 예측 정확도와 안정성을 확보하는 연구
열전달 등 공정 기반 시스템의 디지털 트윈 성능은 센서 데이터 품질과 배치 효율에 좌우됩니다. 본 연구는 Denoising Autoencoder로 노이즈가 섞인 온도장을 복원한 뒤, 투영 연산자와 결합된 이산 최적화 절차로 비용 대비 재구성 오차를 최소화하는 센서 구성을 도출합니다. 또한 센서 수가 제한된 환경에서도 고충실도 복원을 유지하는 것을 목표로, 장기 시공간 예측과 재구성 관점에서 최적화 파이프라인을 확장합니다. 이를 통해 확장성 있는 디지털 트윈 구축에 필요한 핵심 모듈을 확보합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
1건
연구 흐름
초기에는 디지털 트윈의 센서 배치 문제를 노이즈가 존재하는 열장 데이터에 적용하기 위해 재구성 기반 접근을 정리하고, Denoising Autoencoder를 결합한 센서 배치 프레임워크를 구성하였습니다. 이후 2025년에는 열판, 배터리 모듈, BLDC 모터 등 다양한 열 시나리오에서 재구성 정확도와 노이즈 강건성을 검증하는 방향으로 연구를 확장하였습니다. 최근에는 2026년 단계에서 장기 시공간 예측과 재구성까지 포함하는 센서 최적화로 발전시키며, 실시간 제조 디지털 트윈의 설명 가능성 및 강건성 요구와 연계되는 궤적을 보입니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Optimal Sensor Placement for heat transfer digital twin with Denoising Autoencoder and discrete optimization
관련 프로젝트
구분
제목
노이즈에 강건하고 설명 가능한 실시간 제조 디지털 트윈