공정의 실시간 이상 탐지를 위한 GNN 기반의 동적 패턴 생성 방법론

Abstract

본 연구는 PLC로 운용되는 자동화 공정의 아날로그 신호에 대한 GNN을 활용한 제어구간 기반 이상감지 모델을 제시하는 것을 목표로 설정하였고, 그에 따라 본 논문에서는 PLC 입출력 제어신호와 논리적 제어 관계를 활용한 자동화 공정에 대한 그래프 모델링 방법과 GNN 기반 아날로그 패턴 학습 및 이상감지 방법에 대해 기술한다.

종래의 자동화 공정 아날로그 데이터 이상감지는 자기학습 기반 이상감지 기법(AANN, Autoencoder, GAN 등) 혹은 시계열 기반 이상감지 기법(RNN, LSTM, GRU 등)이 활용되어 왔다. 하지만 공정 아날로그 데이터는 PLC의 입출력 제어신호에 수반되어 나타나는 데이터로서, 제어신호를 고려하지 않은 기존의 이상감지 기법들에는 분석의 한계가 존재한다. 이러한 종래의 기법들에 대한 한계점을 보완하여 제어신호 단위 이상감지 모델에 대한 연구가 이루어졌지만 과도한 학습 모델들로 인한 메모리 폭발 및 학습 오버헤드 문제, 큰 모델 복잡도 문제 등 약간의 한계점들이 여전히 존재하며, 그로인해 실제 필드에 적용하기엔 어려움이 존재한다.

본 연구에서는 기존의 이상감지 기법들에 대한 한계점들을 보완한 새로운 이상감지 접근법을 제안한다. 본 연구에서는 첫 번째로, 자동화 공정에 대한 구역화 및 그래프 모델링 방법을 통해 자동화 공정을 그래프 계로 모델링한다. 두 번째, 앞서 정의한 그래프 계로 모델링된 자동화 공정에 대한 패턴 학습 및 이상 감지 방법에 대해 제안한다.