무인내구성 검사를 위한 로드시뮬레이터를 작동 중, 부품의 노화 등으로 인해 문제가 발생하기도 한다. 이때 일반적으로 사용하는 trend 모니터링으로 검출하기 어려운 문제를 자동검출하여 검사를 자동으로 중지하고 차량의 추가 손상을 방지하는 것은 매우 중요하다. 본 프로젝트에서는 정상을 비롯하여 다수의 이상 클래스를 갖는 다채널 센서 데이터를 분석하여, 정상 및 이상 유형을 분류하고 원인이 되는 센서와 시간을 찾는 모델을 구축하였다. Hierarchical Feedforward Attention Network를 구축하여 sensor attention, segment attention 점수를 기반으로 원인을 해석했으며, 분류 성능 또한 향상시켰다. 특히, 데이터를 추가적으로 수집하는 과정에서 성능 향상을 보였기 때문에 추후 데이터를 추가 확보시 보다 더 나은 성능을 기대할 수 있다.