온도 데이터 분석을 통한 냉동 창고의 이상 징후 탐지

Abstract

본 연구는 냉동 창고 시스템의 이상 탐지 문제, 그중에서도 제상(Defrosting) 주기 중 발생하는 비정상 상태를 중점적으로 다룬다. 냉동 창고의 상태를 작업자가 지속적으로 모니터링하는 것은 많은 비용이 소요되고비효율적이므로, 본 연구에서는 온도 데이터를 활용한 자동화된 모니터링 시스템을 제안한다. 정상 및 비정상데이터를 모두 필요로 하는 기존의 지도 학습 기반 방법론들과 달리, 본 연구는 정상 상태의 데이터만을 활용하는 비지도 학습 접근 방식을 채택하였다. 구체적으로는 LSTM-Autoencoder 모델을 활용하여 입력 데이터를 압축 및 복원함으로써, 정상 가동 시의 시계열적 패턴을 학습하도록 하였다. 해당 모델은 정상인 학습 데이터에 대해서는 낮은 복원 오차를 나타내고, 비정상 데이터에 대해서는 높은 오차를 나타내는 특성이있다. 이러한 특성을 활용하여 평균 제곱 오차(MSE)로 산출된 복원 오차를 기반으로 이상 유무를 탐지한다. 모델의 성능을 검증하기 위해 냉동 시스템의 잠재적 고장 모드 4가지를 정의하고, 이에 대한 이상 점수를 평가하였다. 이때 정상 데이터 복원 오차의 분포가 편향(Skewed)되어 있음을 고려하여, 일반적인 평균이나 표준편차 대신 중위수 절대 편차를 적용하여 이상 탐지 임계값을 설정하였다. 실제 현장의 비정상 데이터를 확보하는 데에는 현실적인 어려움이 있으나, 본 연구는 정상 가동 데이터만을 사용하여 시스템의 이상을 효과적으로 탐지할 수 있는 가능성을 입증하였다. 추후 연구에서는 실제 비정상 데이터를 추가적으로 확보하여모델을 검증하고 고도화하는 방향으로 진행할 예정이다.