딥러닝 기반 LSTM 모형에 기초한 자기상관 공정의 모니터링 절차

Abstract

자기상관 공정을 모니터링하는 절차에 대해서는 많은 연구가 진행되어 왔는데, 그중에서 가장 많이 사용하는 방법은 관측값을 예측하여 잔차를 계산하고 그 잔차 데이터를 모니터링하는 것이다. 즉, 잔차를 이용함으로써 자기상관 문제를 해결하는 것이다. 이 논문에서는 예측하는 방법으로 딥러닝에 기반한 LSTM (long short-term memory) 모형을 사용하여 자기상관 공정을 모니터링하는 절차를 제안하고, 제안된 절차와 기본적인 RNN (vanilla recurrent neural network) 모형을 사용하는 절차 및 시계열 모형에 적합시키는 절차의 성능을 모의실험을 수행하여 비교하였다. 딥러닝 알고리즘을 기반으로 한 LSTM과 RNN 모형에 기초한 절차가 전반적으로 좋은 성능을 나타냈으며, 시계열 모형에 적합시키는 절차에 비해 정확한 모형 적합의 과정이 필요 없다는 측면에서 효율적인 절차라고 판단된다.