1단계: 추가 데이터로부터 변이를 추출하고 현 알고리즘의 강건성 시험 (2022.9 – 2023.8): 첫 3개월은 현재 적용되고 있는 공정(냉단조)과 같은 공정을 확보하여 데이터를 수집하고 현재까지 개발된 알고리즘을 적용하여 일반화를 시험한다. 새로 수집된 데이터의 정상상태의 변이 요인 및 변이 상태를 제한된 실험환경에서 추적하고 알고리즘의 적합성을 시험한다. 추후에는 지속적인 데이터 수집을 통해 아래 단계에서 필요한 데이터를 확보한다. 2단계: 증강 데이터 합성을 통한 딥러닝 아키텍쳐 개발 (2022.12 – 2023.2): 1단계에서 확보된 데이터 및 알고리즘의 적합성 결과에 따라 추가적인 모델을 개발한다. 아울러 지속적으로 수집되고 있는 데이터를 합성해서 증강모델의 적합성을 판단하고 보정한다. 이를 통해 개발된 모델의 강건성 및 신뢰성을 확인한다. 3단계: 적대적 및 전이 모델 적용 (2023.3 – 2023.5): 데이터 변이에 따라 모델의 자연진화를 위해 적대적 및 전이 모델을 적용하고 실험한다. 제시된 기법뿐만 아니라 새로 개발되고 있는 다양한 알고리즘을 적용하고, OOD (out of distribution)을 적용하여 모델 진화시기 등을 진단 및 예측을 최대화하는 시점으로 최적화한다. 4단계: 실용화 실험 및 보정 (2023.6 – 2023. 8): 제한된 실험환경이 아닌 실제 공정으로 개발된 시스템을 적용하고 추가적인 보정을 통해 시스템을 보완한다. 추가적으로 발견되는 문제점이나 새로운 방법들을 종합하여 새 연구과제를 설정한다.