IJPEM

Encoding Time Series as Images for Anomaly Detection in Manufacturing Processes Using Convolutional Neural Networks and Grad-CAM
이미지 기반 시계열 데이터 분석으로 제조 공정의 이상을 잡다

유영준, 김우주/한국생산기술연구원, 연세대학교

본 연구는 제조 공정에서 발생하는 시계열 데이터를 이미지로 변환하여 딥러닝 모델을 활용한 이상 탐지 기술을 제안한다.
연구에서는 GADF, GASF, MTF, RP와 같은 이미지 인코딩 방법을 사용하여, 다양한 센서 데이터를 효과적으로 시각화했다.
제안된 방법론을 활용한 이상 탐지 실험에서는 PHM2010 Data (99.6%), 실제 공정 데이터 (91.82%) 정확도를 기록, CNC 가공 데이터에서 우수한 성능을 보인다.
특히, Grad-CAM 시각화 기법을 통해 모델의 예측 결과를 해석 가능하게 만들어, 작업자가 이상 발생 위치를 직관적으로 식별할 수 있도록 지원하고자 하며, 본 연구를 통해 스마트 제조 시스템에서의 실시간 상태 모니터링과 예측 유지보수 기술을 개선하는 데 중요한 기여를 할 것으로 기대된다.