[학회 후기]

이번 대한산업공학회 추계학술대회는 졸업 전 마지막으로 참가하게된 학회였다. 춘계학술대회때 대면 발표로 학회를 진행한 만큼 이번에도 대면 발표로 진행하는 것을 개인적으로 대하였는데, 비대면으로 진행하게 되어 개인적으로 아쉬운 마음이 많았다. 반면 비대면인만큼 같은 시간대에 여러 세션장의 발표를 번갈아 들을 수 있다는 등의 장점이 있었고, 이러한 장점을 충분히 활용할 수 있도록 학회가 체계적으로 구성되어 있었다. 또한, 갈수록 여러 산업 분야에서 딥러닝 등의 데이터 분석 기법들이 적용되는 사례가 다양하게 공유되고 있음을 느낄 수 있었고, '메타버스'에 대한 발표도 많이 들어볼 수 있어 최근 연구 동향까지 쉽게 파악할 수 있는 학회였다.

[발표 후기]

이번 대한산업공학회 추계학술대회에서는 '설명 가능한 이상치 탐지 알고리즘을 활용한 생산 공정 설비 불량 예측'이라는 주제로 발표를 진행하였다. 기존에 진행하던 이상치 탐지 알고리즘 중 오토인코더 계열의 모델에 설명 가능한 인공지능 방법론들을 적용하기 위한 추가적인 모델을 제안하였다. 제안 방법론을 실제 데이터에 적용한다면 높은 수준으로 불량 객체를 탐지할 뿐만 아니라 불량으로 예측된 관측치에 대한 적절한 설명도 제공함을 입증하였다. 해당 연구에 대하여 최근 논문을 작성한 만큼 누구보다도 충분히 많이 고민하였다고 생각하였는데, 발표를 진행하고 질문을 받으면서 새로운 방향으로 또 다시 생각해볼 수 있는 계기가 되었다.

질문 1. 제안하는 심층 신경망 회귀 모델의 성능이 높아야할 것으로 생각된다.

답변 1. 실제로 제안 방법론을 구축하는 과정에서 가장 최적의 모델을 찾기 위하여 여러 모델 구조로 실험을 진행해보았고, 성능이 우수하게 나온 심층 신경망 회귀 모델을 최종 모델로 선정하였다.

[청취 후기]

- 생산 공정의 오정보 데이터에 대한 딥러닝 모델 학습 전략

본 연구에서는 레이블 노이즈와 클래스 불균형이라는 두 가지 문제를 해결하기 위한 전략을 제안하였다. 레이블 노이즈 문제란 고장 직전의 데이터들이 정상으로 레이블 되어 있으나, 실제로는 고장으로 보아야한다는 점이다. 고장 직전의 데이터들이지만 실제 고장이 발생하지 않은 경우를 잡아내기 어렵기 때문에 이러한 문제를 잘 해결하는 방법을 필요로 한다. 레이블 노이즈 문제를 해결하기 위해서는 큰 로스값을 갖는 관측치에 대하여 학습 가중치를 낮게 반영하여 로스값을 계산하도록 하였다. 또한, 클래스 불균형 문제를 해결하기 위해서는 클래스 비율의 역수를 가중치로 계산하여, 큰 로스값을 갖는 관측치에 학습 가중치를 크게 반영하여 로스값을 계산하도록 하였다. 마지막으로는, 관측치가 중요한지의 여부를 additional network의 학습으로 알아내어, 이의 예측값을 학습 가중치로 활용하였다. 클래스 불균형 문제를 해결하기 위한 접근은 자주 보았으나 레이블 노이즈 문제에 대해서는 처음 접하게 되었고, 상당히 중요한 부분이라는 생각이 들었다. 추후 해당 연구가 어떻게 발전하여 레이블 노이즈 문제를 잘 해결할 수 있을지 궁금하다.

-SimCLR 기반의 Autoencoder 이상탐지 보정 방법론

해당 연구에서는 공정에서 발생하는 소리를 통해 공정의 이상 유무를 자동적으로 판별하는 Anomaly Sound Detection 연구를 진행하였다. 오토인코더 모델은 이상 데이터의 패턴과 유사한 소수의 정상 데이터 패턴을 모두 이상으로 판단하는 문제점이 존재하기 때문에, 정상 데이터의 특징을 더욱 잘 표현하기 위해서 contrastive learning 방법을 활용하였다. 특히, 각각의 데이터를 개별적인 클래스로 보고 학습하는 instance discrimination contrastive learning 방식을 사용하였으며, feature space 사이의 mahalanobis distance를 기반으로 anomaly score를 보정하고 재정의하도록 제안하였다. 오토인코더 기반의 이상치 점수를 더욱 보완하는 방법을 제안한 해당 연구가 Anomaly Sound Detection 분야 뿐만 아니라 다양한 이상치 탐지 분야에서 활용 가능할 것이라는 생각이 들었고, 현재 진행하고 있는 연구에 적용하게 되면 어떤 결과가 나올지 궁금해졌다.