고장 패턴 추출을 위한 Dynamic time segment 기반의 다변량 이산화 기법

Abstract

데이터 이산화 기법은 의미 있는 패턴들을 최대한 유지하면서 데이터의 양을 줄이는 방법으로써, 패턴 추출, Trend 분석 등을 위한 전처리 기법으로 많이 사용되었다. 이산화 기법을 수행하는 데 있어 일반적으로 Fixed time segment를 많이 활용하나 이와 같은 경우 고정된 길이의 Time segment으로 인해 Time series내의 의미 있는 패턴들이 끊어져 손실될 확률이 매우 크다. 그러므로 본 연구에서는 Amplitude의 변화에 따른 Dynamic time segment를 고려하였다. 자동차 가솔린 엔진의 고장 패턴을 분석할 결과 Labelling에 관련된 파라미터는 유의한 효과를 보였으나, Dynamic time segment에서는 통계적으로 유의함을 발견할 수 없었다.