비지도학습 기반 머신러닝 알고리즘을 이용한 CNC 가공 불량 예측

초록

본 연구는 라벨링이 되어있지 않은 데이터에 적용할 수 있는 다양한 비지도학습 머신러닝 모델들을 이용하여 CNC(computerized numerical control) 가공품의 불량 여부를 예측하고 정확도, 정밀도, 재현율, F1 점수를 비교하였다. k-평균의 경우 정밀도만 타 알고리즘 대비 약간의 차이로 가장 우수한 반면 정확도 및 F1 점수가 GMM(Gaussian mixture model) 및 오토인코더 대비 열등한 것으로 나타났다. 또한 GMM과 오토인코더 간 F1 점수 및 정확도 차이는 상대적으로 미미한 반면, 신경망 기반인 오토인코더의 실행 소요 시간은 k-평균 및 GMM 대비 17배 이상임을 확인하였다. GMM의 상대적으로 우수한 평가 지표값과 짧은 소요 실행 시간은 신속한 불량 예측에 따른 CNC 파손 확률 감소 및 실 시스템 구축 비용 절감 등의 실무적 장점을 가지므로 CNC 가공품의 불량 여부 예측에 GMM 모델이 가장 효과적으로 판단된다. 또한 t-SNE(t-distributed stochastic neighbor embedding) 알고리즘을 이용하여 시각화한 결과, 본 문제의 경우 k-평균과 오토인코더는 특성 간 차이가 큰 샘플 구분에 강점을 보인 반면, GMM은 특성의 차이가 상대적으로 적은 샘플 간 구분에 강점을 보임을 확인하였다.

키워드