Anomalous Records Detection in Process Data Using Robust Linear Regression

로버스트 선형 회귀를 이용한 공정 데이터의 이상 기록 탐지

Manufacturing data collected using IoT devices in a smart factory environment is generally reliable except for noises caused by external factors. However, unlike manufacturing data that is collected mechanically, process data manually recorded by field-workers can cause problems such as the misspelled entries or the missing entries. Therefore, process data must be validated before being used as training data for artificial intelligence models. In this paper, based on the fact that which is a linear relationship between the power consumption of the MCT machine and the production of the product recorded by the field-workers, we detect anomalous records of the workers using robust linear regression.

스마트팩토리 환경에서 사물인터넷 장치를 이용해 수집한 제조 데이터는 외부 요인에 의한 노이즈를 제외하면 대체적으로 신뢰할 수 있다. 하지만 기계적으로 수집되는 제조 데이터와 달리 현장 작업자가 직접 기록하는 공정 데이터는 오기입이나 기입 누락과 같은 문제가 발생할 수 있으므로, 인공지능 모델의 학습 데이터로 사용하기 전에 반드시 유효성을 검증해야만 한다. 본 논문에서는 MCT 머신의 전력 사용량과 작업자가 기록한 제품 생산량이 선형적인 관계가 있다는 점에 착안해 로버스트 선형 회귀를 이용하여 작업자의 이상 기록을 탐지하였다.