BLOG

산업 시나리오에서의 이상징후 감지를 위한 ‘Multi-head CNN-RNN’ 모델

2021-07-15



<산업 시나리오에서의 이상징후 감지를 위한 ‘Multi-head CNN-RNN’ 모델>

 4차 산업의 도래와 IoT의 발전으로 산업용 기계는 다중 센서가 갖춰져 기술이 더 효율적으로 작동하고 안정적인 모니터링 시스템을 제공할 수 있게 되었다. 이에 따라 장비에 대한 데이터 수집이 간편해져 방대한 양의 데이터를 처리해야하는 산업 장비에서의 이상 징후 파악이 매우 중요해졌다. 감지되지 않은 이상 징후는 생산성에 직접적인 영향을 미쳐 심각한 손해로 이어지고 효과적인 이상징후 감지가 이루어진다면 미리 시스템의 가용성과 신뢰성을 개선시켜 유지 관리 비용 또한 절감할 수 있기 때문에 산업 시나리오에서 이상징후 감지는 중요 포인트라고 할 수 있다.


 따라서 시계열 다중 센서에서의 이상징후 감지를 위한 연구가 활발히 진행되고 있는데 데이터 불균형이나 노이즈, 센서 구성 변경 등의 장애물이 많아 효과적인 모델을 만드는 것이 매우 어렵다. 하지만 최근 연구된 ‘Multi-head CNN-RNN’을 활용한 이상징후 탐지 방법은 유연한 architecture와 독립적 특징 추출 방식으로 매우 유용한 모델을 제시했다. ‘Multi-head CNN-RNN’ 은 각 센서 마다 사용되어 의미 있는 특징을 추출하는 독립된 CNN과 더불어 시계열 데이터를 처리하고 시간 패턴을 파악하는 RNN이 결합된 형태이다. 한 번에 하나의 센서에 집중할 수 있기 때문에 특징 추출이 향상되고 각각의 CNN head가 상황과 센서에 맞게 쉽게 추가, 삭제, 수정이 용이 하기 때문에 모델을 유연하게 만들어 상황변화에 민첩하게 대응할 수 있다.


 Multi-head CNN-RNN 모델이 시계열을 처리하는 방식은, 먼저 Sliding Window를 사용해 시계열을 일정한 사이즈로 구분하고 그 구간마다의 특징을 추출하게 된다. 그 후 추출된 모든 특징을 RNN에 적용해 시간순으로 정렬하여 시계열 전체에 발생한 상황을 고려해 이상징후 여부를 판단한다. 이 연구에서는 최적의 architecture를 찾기 위해 총 15가지(3종류의 CNN * 5종류의 RNN) 조합으로 모델을 구성하여 모든 가능성을 분석해보았다. 또한 실제 산업용 승강기 시나리오에 적용하여 실험해보면서 연구를 진행하였으며 데이터셋은 실제와 똑같은 시뮬레이터를 사용해 20% 이상징후 비율의 불균형 데이터셋을 사용하였다. 데이터 전처리를 진행하지 않았으며 훈련할 때에는 모델 최적화에 유의하며 모든 매개변수를 결정하였다.


 결과적으로 모든 조합 중 ‘Multi-head CNN-LSTM’의 architecture가 정확성, 시간 효율 등에서 우수 했으며 데이터 불균형에서도 다른 전처리 없이 잘 학습되어 작동하는 것을 확인했다. 특히 architecture가 변화에 적응하는 능력인 ‘유연성’을 분석해보았을 때도 모델의 전이 과정이 잘 되는 것을 확인했다. 센서마다 독립된 CNN을 사용하기 때문에 센서의 구성이 변경되더라도 똑같은 센서는 학습된 내용을 그대로 두고 새로 추가 혹은 삭제된 센서만 새로 학습시키면 되기 때문에 학습 시간도 적게 걸리고 성능도 일정하게 유지시킬 수 있었다. 이는 새로운 모델을 만들기 위해 처음부터 다시 학습시켜야 하는 기존의 방식과는 다르며 더 효과적으로 상황 변화에 대응할 수 있다는 점을 의미한다.


 이 연구에서는 시계열 다중 센서 시나리오에서 이상징후를 감지 할 때 효과적으로 사용할 수 있는 ‘Multi-head CNN-RNN’ 구조의 새로운 모델을 제시 하였다는 것에 아주 큰 성과를 내었다고 할 수 있다. 또한 그동안 문제가 되었던 데이터 불균형 문제에서도 성능이 높게 유지되었으며 다른 전처리가 필요없이 raw data를 사용할 수 있다는 것도 큰 장점이다. 각 센서를 독립적으로 처리할 수 있는 ‘Multi-head CNN-RNN’ 모델은 유연성이 높고 기존의 알고리즘 보다 더 좋은 성능을 보였기 때문에 앞으로 산업 이상징후 감지에 빈번히 사용될 수 있을 것이라고 예상한다.


사업자등록번호 : 492-04-01429ㅣ업태 : 정보통신업ㅣ데이터베이스 및 온라인 정보 제공업 ㅣseo_daeho@naver.com ㅣ 대표 :서대호

서울특별시 구로구 디지털로34길 55, 715호(구로동, 코오롱싸이언스밸리2차)  문의 010-8598-7735 / 010-7130-2441