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.