산학 프로젝트

본 프로젝트는 다음과 같은 두 가지 주요 목표를 설정하여 문제를 해결하고자 합니다.

조업 불안정도 지표 개발:

방법론: 기초 통계 분석을 통해 주요 변수를 선정하고, Hidden Markov Model(HMM) 및 Infinite Hidden Markov Model(iHMM)을 활용하여 실시간 조업 데이터를 분석합니다. 이를 통해 공정의 돌발 상황, 센서 이상 여부 등을 자동으로 감지하고, 조업 상태를 불안정도 지수로 수치화합니다.

특징: 기존의 정성적 평가와 달리, 공정 데이터를 기반으로 객관적이고 정량적인 지표를 제공합니다. 이를 통해 조업 안정화 수준을 실시간으로 모니터링하고 예측할 수 있습니다.

AI 모델 재학습 지표 개발:

방법론:  다양한 분포 추정 모델(Kernel Density Estimator, Finite Mixture Model, Variational Auto-Encoder 등)을 활용하여 학습 데이터와 실시간 데이터 간 분포 차이를 수치화합니다. 데이터 간의 유사성을 우도(likelihood) 값으로 계산하여 모델 재학습이 필요한 시점을 자동으로 판단합니다.

특징:  데이터 분포 변화에 따른 AI 모델의 성능 저하를 사전에 감지하고, 필요한 경우 새로운 데이터로 재학습하여 모델의 지속성을 확보합니다.