※ 기업체와의 비밀유지동의서에 의한 비밀유지 의무로 인하여 개략적인 내용만 서술하였습니다. ### 1. 기업 소개  - 스마트 팩토리 관련 솔루션을 보유한 기업으로 제조 공정의 센서 데이터 분석을 통한 생 산품의 불량 감지 및 기계의 상태 이상 모니터링 알고리즘을 개발 운영함 - 국가수리과학연구소와 함께 컴퓨터 수치제어(CNC)데이터의 수학적특징을 활용한 불량 검출 알고리즘을 개발하였으며 시계열 데이터 동기화 문제해결을 바탕으로 관련 연구결과를 특허로 출원함 ### 2. 문제배경 및 소개 - 생산 제조 공정의 생산품 불량감지와 기계 이상감지는 실시간으로 진행 - 실제 공장에서 수집되는 센서 데이터는 많 은 양의 불량 데이터를 확보하기 어렵기 때문에 정상 데이터만으로 학습해서 불량을 감지해낼 수 있어야 함 - 실시간 처리가 가능하며 정상 데이터만으로 학습하는 One class classification(이하 OCC, 또는 Novelty detection) 이상감지 알고리즘의 개발 및 수학적인 개선을 목표로 함 - OCC 문제에 효과적인 Robust Random Cut Forest(이하 RRCF, 2016년 ICML에 소개) 알고리즘의 느리고 무거운 이유를 분석하고 이를 개선함 ### 3. 해결 결과 - RRCF 알고리즘을 병렬 연산이 가능하고 아래 개선점을 반영하여 새로 구현해서 속도와 모델 사이즈의 개선을 도출함 - Anomaly score인 CoDISP를 계산할 때 RCTree를 생성하는 과정을 생략하여 CoDISP를 계산 방법을 효율적으로 최적화 하여 연산 속도를 향상시킴 - 모델의 느리고 무거운 속도를 개선하기 위해 feature sampling 방법 적용 - 스코어링을 위한 새로운 트리를 만드는 과정에서 발생하는 randomness를 deterministic한 과정으로 변경하여 신뢰있는 스코어 값을 도출하는 방법 적용