제조 공정의 안정성을 위한 제품-aware 딥 어투언코더

제조 공정의 안정성을 보장하는 것은 매우 중요하며, 이를 위해 제품에 대한 이상 감지 기술이 발전하고 있다. 최근에 제조 공정의 자동화와 컴퓨터와 물리적인 시스템의 통합이 가속화됨에 따라, 이상 감지 기술의 중요성이 더욱 증가하고 있다. 하지만 기존의 데이터 주도 접근 방식은 일반적으로 모든 정상 운영 데이터의 집합으로 훈련된 전체 모델을 사용하여 제품에 대한 정보를 고려하지 않는다는 한계가 있다.

제품 인식 딥 오토인코더

이러한 문제를 해결하기 위해 제품 인식 딥 오토인코더가 제안되었다. 이 접근 방식은 학습 범위를 특정 제품 등급에 대한 분포로 제한하여 전체 모델의 결함을 보완한다. 제품 인식 딥 오토인코더는 제품 등급에 대한 정보를 고려하여 이상 감지를 수행하므로, 전체 모델보다 더 정교한 이상 감지 성능을 제공할 수 있다. 또한 이 접근 방식은 제품 등급에 대한 정보를 활용하여 전체 모델의 결함을 보완할 수 있으므로, 더 안정적인 제조 공정을 위한 이상 감지 기술로 기대된다. 제품 인식 딥 오토인코더의 성능을 평가하기 위해 확장된 테네시 이스턴만 공정 벤치마크를 사용하여 전체 모델과 비교한 결과, 제품 인식 딥 오토인코더가 전체 모델과 비교하여 표준 감지 측정 항목에서 유사한 성능을 보여주었으며, 제품 등급에 대한 이상 감지에서 더 나은 성능을 보여주었다. 이는 제품 인식 딥 오토인코더가 제품 등급에 대한 정보를 고려하여 이상 감지를 수행하는 것이 효과적이라는 것을 의미한다. 따라서 제품 인식 딥 오토인코더는 제조 공정의 안정성을 보장하는 데 중요한 역할을 할 수 있을 것으로 기대된다.