수리연, 지능형 공장 불량 검출 알고리즘 개발

국가수리과학연구소가 지능형 공장 제조 공정에서 발생하는 불량 생산품 검출을 위한 이상감지 알고리즘을 개발했다.

앞서 수리연은 지난 1월 지능형 공장 관련 솔루션 개발 기업으로부터 ‘로봇 상태 모니터링을 위한 센서 데이터 분석’ 산업문제를 의뢰받은 바 있다.

해당 기업은 지능형 공장 제조 공정의 센서 데이터 분석을 통해 생산품 불량을 감지하고 기계의 상태 이상을 실시간으로 모니터링하는 솔루션을 개발·운영 중에 있다.

실제 공장에서 수집 가능한 데이터의 특성상 많은 양의 불량 데이터를 확보하기 어렵기 때문에 해당 기업에서는 제조 공정 센터 데이터의 정상 생산품 데이터만을 활용해 이상을 감지하는 OCC(One Class Classificaion) 문제를 수리연에 의뢰했다.

이에 수리연 연구진은 RCF(Random Cut Forest) 알고리즘을 센서 데이터 OCC 문제에 적용하는 것을 제안했으며, 이를 최적화하기 위한 연구를 진행해왔다.

기존 RCF 알고리즘은 느린 구동 속도와 모델 사이즈가 공정별 기가 단위 이상으로 너무 크다는 문제를 갖고 있었기 때문에 수백개가 넘는 다양한 공정에 적용하기에 한계를 갖고 있었다.

수리연 연구진은 먼저 해당 알고리즘의 수학적 분석을 통해 이상 스코어링에 필요한 연산 과정을 최적화했다.

새로운 생산품 샘플 데이터의 이상 스코어링을 얻기 위해서는 새로운 데이터를 반영한 변형된 새로운 트리를 만들어야 하고 연산 시간이 소요되는데, 이 트리 생성 과정을 생략해 이상 스코어를 구할 수 있는 방법을 찾아 제시했다.

또 데이터 특징 샘플링을 적용한 이상감지 방법을 제시해 성능이 개선된 빠르고 가벼운 이상감지 모델을 개발했다.

데이터 특징에 대한 임의적 샘플링을 통해 데이터 사이즈를 줄이고 랜덤 트리를 만드는 방식으로 7배 이상의 속도 향상과 모델의 크기를 줄이는데 성공했다.

가상 데이터 적용 테스트를 통해 해당 데이터 특성 샘플링 방법이 스케일이 작은 차원에서 발생하는 이상을 감지하는데 더 정확도가 높다는 것을 확인했다.

수리연이 제공한 알고리즘은 내년 상반기 안에 이상감지 솔루션에 도입 완료할 계획이다.

수리연 김민중 산업수학혁신센터장은 “이번에 연구개발한 알고리즘은 생산 공정뿐만 아니라 다양한 산업분야의 이상감지 문제에도 적용 가능한 기술로서 향후 범용적으로 활용될 수 있을 것으로 기대된다”고 말했다.