Transformer 모델을 적용한 에어 다이아프램 펌프의 이상치 탐지 (Air Diapragm Pump Fault Diagnosis with Transformer Model)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 26권 / 2호 / 380 ~ 387페이지
· 저자명 : 정윤아, 정선우, 김성욱, 김석준, 허장욱

초록

인산염 피막 공정은 부품의 내구성, 부식 저항성 및 접착력을 향상하여 자동차용 고무 부품의 수명과 성능을 개선하는 중요한 공정이다. 이 공정에 사용되는 에어 다이아프램 펌프는 순환 과정에서 슬러지화 또는 판막 손상으로 인해 내부 고장이 발생하며, 이러한 고장이 발생할 경우 순환이 정상화되지 않아 용액 농도 유지에 어려움을 겪는다. 본 연구에서는 에어 다이아프램 펌프의 고장 진단 시스템에 Transformer-AutoEncoder 모델을 적용하고, 기존의 Convolutional Neural Network (CNN) AutoEncoder 모델과의 이상치 탐지 성능을 비교 분석하였다. 연구 결과, Transformer-AE는 Test Data 1에서 2.76%, Test Data 2에서 2.95%의 이상치를 탐지하여 작업 일지의 라벨링 데이터와 높은 일치율을 보였으며, CNN-AE는 각각 0.44%와 0%의 이상치만을 탐지하여 상대적으로 낮은 탐지율을 나타냈다. 또한, 혼동행렬을 통해 성능을 평가한 결과, Transformer-AE 모델은 CNN-AE에 비해 정밀도, 재현율, F1-score, 정확도 모두에서 우수한 성능을 기록하였다. 이를 통해 Transformer-AE 모델이 시계열 데이터에서 복잡한 패턴과 장기 의존성을 효과적으로 학습하여 이상치를 더욱 정확하게 탐지할 수 있으며 다양한 산업 분야에서 시계열 데이터를 활용한 이상 탐지 시스템에 유용하게 응용할 수 있음을 입증하였다.

영어초록

The phosphating process enhances the durability, corrosion resistance, and adhesion of components, improving the lifespan and performance of automotive rubber parts. An air diaphragm pump is used in this process, but it is prone to internal failures due to sludge formation or diaphragm damage, which disrupts solution concentration maintenance. This study applied a Transformer-AutoEncoder model to diagnose air diaphragm pump faults and compared its anomaly detection performance with a convolutional neural network (CNN) AutoEncoder model. The Transformer-AE detected 2.76% of anomalies in Test Data 1 and 2.95% in Test Data 2, closely aligning with maintenance log labels. In contrast, CNN-AE detected only 0.44% and 0% anomalies, respectively. In addition, confusion matrix analysis showed that Transformer-AE outperformed CNN-AE in precision, recall, F1-score, and accuracy. Hence, the Transformer-AE model can effectively learn complex patterns and long-term dependencies in time-series data, allowing for more accurate anomaly detection. Consequently, the Transformer-AE model can be applied in anomaly detection systems that utilize time-series data across various industrial sectors.

참고자료

· 없음