Topic
지식 증류 기반 도메인 적응 딥러닝 모델을 활용한 베어링 이상감지
Information
발표날짜 : 2024.11.06
발표장소 : 대한기계학회 2024년 학술대회
발표자 : 박용훈
Deck
Overview
회전체 시스템의 이상 감지는 기계 시스템의 안 정성 및 신뢰성을 확보하기 위한 중요한 과제이다. 산업 설비의 이상 감지 모델을 구축하기 위해 테스트베드를 설치하고, 장비에 고장을 인가하여 데이터를 수집하는 과정은 필수적이다. 그러나 동일 제조사의 시스템이라 하더라도 제조 과정에서 발생하는 공차와 장비의 노후 상태에 따라 데이터 분포의 큰 차이가 발생한다. 따라서 테스트 베드에서 수집한 데이터와 이를 통해 구축한 모델을 다른 시스템에 그대로 적용하는데 어려움이 있다. 이러한 문제를 해결하기 위해, 테스트 베드에서 수집한 정상 및 고장 데이터와 이를 기반으로 학습된 모델을 다른 정상 시스템에 적용하기 위해 지식 증류 기반 도메인 적응 딥러닝 모델을 제안한다.
Presenter's Review
1. Teacher Network가 특정 데이터에 한정된 특징을 뽑아 새로운 도메인에 잘못된 영향을 줄수 있을것 같은데, 어떻게 생각하는가.
A : 현재 소스 도메인을 한 종으로 실험을 하여 우려하신 바와 같은 문제가 발생할 수 있지만 앞서 설명한 이미지 넷과 같은 경우, 다양한 이미지를 학습하여 특정 이미지에 한정된 특징을 뽑는 것이 아닌, 전반적인 이미지의 특징을 잘 뽑을 수 있도록 학습된다는 선행 연구가 있었다.
따라서 모델의 업데이트를 통해 다양한 베어링 데이터가 누적된다면 Teacher 모델은 특정 도메인의 특징을 뽑는 것이 아닌 베어링의 전반적인 특징 추출 능력이 학습될 것으로 기대된다.
Topic
지식 증류 기반 도메인 적응 딥러닝 모델을 활용한 베어링 이상감지
Information
발표날짜 : 2024.11.06
발표장소 : 대한기계학회 2024년 학술대회
발표자 : 박용훈
Deck
Overview
회전체 시스템의 이상 감지는 기계 시스템의 안 정성 및 신뢰성을 확보하기 위한 중요한 과제이다. 산업 설비의 이상 감지 모델을 구축하기 위해 테스트베드를 설치하고, 장비에 고장을 인가하여 데이터를 수집하는 과정은 필수적이다. 그러나 동일 제조사의 시스템이라 하더라도 제조 과정에서 발생하는 공차와 장비의 노후 상태에 따라 데이터 분포의 큰 차이가 발생한다. 따라서 테스트 베드에서 수집한 데이터와 이를 통해 구축한 모델을 다른 시스템에 그대로 적용하는데 어려움이 있다. 이러한 문제를 해결하기 위해, 테스트 베드에서 수집한 정상 및 고장 데이터와 이를 기반으로 학습된 모델을 다른 정상 시스템에 적용하기 위해 지식 증류 기반 도메인 적응 딥러닝 모델을 제안한다.
Presenter's Review
1. Teacher Network가 특정 데이터에 한정된 특징을 뽑아 새로운 도메인에 잘못된 영향을 줄수 있을것 같은데, 어떻게 생각하는가.
A : 현재 소스 도메인을 한 종으로 실험을 하여 우려하신 바와 같은 문제가 발생할 수 있지만 앞서 설명한 이미지 넷과 같은 경우, 다양한 이미지를 학습하여 특정 이미지에 한정된 특징을 뽑는 것이 아닌, 전반적인 이미지의 특징을 잘 뽑을 수 있도록 학습된다는 선행 연구가 있었다.
따라서 모델의 업데이트를 통해 다양한 베어링 데이터가 누적된다면 Teacher 모델은 특정 도메인의 특징을 뽑는 것이 아닌 베어링의 전반적인 특징 추출 능력이 학습될 것으로 기대된다.