협동 로봇 센싱 데이터의 특징 클러스터 기반 학습 모델 성능 평가 기법

Abstract

최근 스마트팩토리의 대표 설비 기기인 협동 로봇의 건전성 관리 기술(PHM)에 인공지능 모델을 접목하려는 시도가 이어지고 있다. 그러나 일반적인 모델은 테스트 프로그램을 운영하여 수집한 센싱 데이터를 전처리하거나 분석하지 않고 휴리스틱한 방식으로 개발되고 있다. 따라서 본 논문에서는 협동 로봇에서 수집된 주기를 가지는 시계열 센싱 데이터의 특징을 분석할 수 있는 특징 클러스터 기반 학습 모델 성능 평가 방법을 제안한다. 제안하는 방법의 효용성을 검증하기 위해 모션 결함 검출 네트워크의 내부 구성 요소인 프로그램 분류 모델에 적용하여, 기존의 평가 방식에서는 드러나지 않던 학습 성능 저하의 원인이 되는 데이터의 특징을 확인하였다. 이러한 결과는 학습 모델의 성능에 대한 정성적인 평가를 가능하게 하며, 학습 모델 개선에 대한 방향성을 제공한다.