제9항에 있어서,상기 인공지능 모델은 CNN 오토인코더 기반한 모델인, 연산 장치.

공정 설비에서 진동 데이터를 실시간으로 획득하는 제1 단계;상기 제1 단계에서 수집된 진동 데이터를 스펙토그램(spectrogram)으로 변환하여 실시간 이미지 데이터셋 생성하는 제2 단계;상기 제2 단계에서 획득된 이미지 데이터셋을 학습데이터로 인공지능 모델을 학습시키는 제3 단계;를 포함하는 인공지능 모델의 학습 방법.

제1항에 있어서,상기 제1 단계에서 상기 진동 데이터는 상기 공정 설비에 설치된 IOT 센서를 통해 획득되는, 인공지능 모델의 학습 방법.

제1항에 있어서,상기 제2 단계에서, 상기 스펙토그램은 STFT(short term fourier transform spectrogram)에 기반해서 획득된, 인공지능 모델의 학습 방법.

제1항에 있어서,상기 인공지능 모델은 CNN 오토인코더 기반한 모델인, 인공지능 모델의 학습 방법.

공정 설비에서 실시간으로 획득된 진동 데이터를 통해 인공지능 모델이 학습하는 (A) 단계와,상기 (A) 단계를 통해 학습된 상기 인공지능 모델에 데이터를 입력해 학습된 바에 따라 결과를 추론하는 (B) 단계를 포함하고,상기 (A) 단계는,공정 설비에서 진동 데이터를 실시간으로 획득하는 제1 단계;상기 제1 단계에서 수집된 진동 데이터를 스펙토그램(spectrogram)으로 변환하여 실시간 이미지 데이터셋 생성하는 제2 단계;상기 제2 단계에서 획득된 이미지 데이터셋을 학습데이터로 인공지능 모델을 학습시키는 제3 단계;를 포함하는 인공지능 모델의 추론 방법.

제5항에 있어서,상기 제1 단계에서 상기 진동 데이터는 상기 공정 설비에 설치된 IOT 센서를 통해 획득되는, 인공지능 모델의 추론 방법.

제5항에 있어서,상기 제2 단계에서, 상기 스펙토그램은 STFT(short term fourier transform spectrogram)에 기반해서 획득된, 인공지능 모델의 추론 방법.

제5항에 있어서,상기 인공지능 모델은 CNN 오토인코더 기반한 모델인, 인공지능 모델의 추론 방법.

공정 설비의 결함 예측을 위한 인공지능 모델의 학습 방법을 컴퓨터가 읽을 수 있도록 코딩된 프로그램을 저장하는 메모리; 및상기 프로그램을 실행하는 프로세서;를 포함하고,상기 학습 방법은,공정 설비에서 진동 데이터를 실시간으로 획득하는 제1 단계;상기 제1 단계에서 수집된 진동 데이터를 스펙토그램(spectrogram)으로 변환하여 실시간 이미지 데이터셋 생성하는 제2 단계;상기 제2 단계에서 획득된 이미지 데이터셋을 학습데이터로 인공지능 모델을 학습시키는 제3 단계;를 포함하는, 연산 장치.

제9항에 있어서,상기 제1 단계에서 상기 진동 데이터는 상기 공정 설비에 설치된 IOT 센서를 통해 획득되는, 연산 장치.

제9항에 있어서,상기 제2 단계에서, 상기 스펙토그램은 STFT(short term fourier transform spectrogram)에 기반해서 획득된, 연산 장치.

제1 항 내지 제4항 중 어느 한 항에 기재된 인공지능 모델의 학습 방법을 컴퓨터가 읽을 수 있도록 코딩된 프로그램을 기록한 기록 매체.