-발표 리뷰 및 코멘트-
석근수 ("철도차량 주행진동 데이터를 활용한 철도 시설물검증시험 부적합 요인 분류 및 개선 권고 프레임워크 연구")
허효범: 계획하고 계신 연구 내용은 목적과 필요성이 명확하여 아주 좋은 연구가 될 것이라고 생각합니다. 다만 열차의 부적합 요인을 판단하는 모델의 성능을 어떻게 평가할 것인지 구체적으로 정의가 되면 좋을 것 같습니다.
최재욱: 아직 초기 구상 단계이긴 하지만 필요성이나 방향성은 구상이 잘 돼있는 것 같았습니다. 하지만 획득한 데이터에서 정의한 라벨에 대한 신뢰성 확보가 되어야 할 것 같습니다.
김연걸: 철도 연구원에서 담당하고 계시는 업무에 대한 소개를 들을 수 있어서 유익했으며, 시험 결과의 근본 원인 파악이라는 연구 주제 및 문제 상황이 본 연구실에서 수행하기에 적합한 분야라고 느꼈습니다. 큰 관점으로는 김예임 학사과정의 LLM을 활용한 근본 원인 분석(RCA) 연구와도 유사하다고 생각했고, 우선 현재 수집 가능한 특징들이 y를 설명할 수 있는지를 다양한 관점(물리적/도메인 관점/데이터 관점 등)에서 검증하는 것이 선행되면 좋을 것 같다고 느꼈습니다.
이대형: 신승민 학부생님이 사용하셨던 칼만필터를 차제 진동 분석에도 사용해보시는 것은 어떠신지 궁금합니다. 노이즈 제거 뿐만 아니라 선로에서 들어오는 충격과, 차량의 거동을 분리하는 방법으로 사용한다면 추후에 분석할 때 도움이 되지 않을까 싶습니다.
신승민 ("자동 인코더 기반 스핀들 하중 신호의 잠재 공간 추출을 통한 CNC 공구 수명 변동성 분석 ")
허효범: 동일한 가공 환경에서 공구 수명이 변화하는 특성을 설명하기 위한 건전성 지표를 발굴하는 연구를 발표해주셨습니다. 아직 연구 초기 단계이니 기존 연구를 상세하게 분석하여 연구를 구상해나가는 과정이 필요할 것 같습니다.
최재욱: 최근 각광 받고 있는 LLM 모델을 활용하는 접근 방식이 새로운 것 같습니다. 하지만 처음 데이터에 적용하였던 CNN이라는 모델이 나타내는 성능에 대해 너무 쉽게 “신뢰할 수 없다.”라는 결론을 도출한 것 같습니다. CNN에서 본인이 사용하고자 했던 모델을 사용하는데 까지의 당위성을 더 논리적으로 풀어가야 할 것 같습니다.
이대형: 향후 계획에서 다른 분석법을 이용해보고, 기대효과로 가공 초반 단 50사이클 이내에 미학습 공구의 미래 수명 범주를 조기에 판별한다고 하셨습니다. 다음 발표 때는 칼만 필터는 100사이클까지 각 공구를 서열화하지 못했는데, 새 분석법은 어떤 원리로 50사이클 이내로 학습/미학습 공구의 미래 수명 범주를 판별할 수 있는지 자세하게 설명해주시면 감사하겠습니다
김예임 ("Towards Explainable Root Cause Analysis of Defects in Smart Manufacturing using Multimodal LLMs")
허효범: 결함 진단 과정에서 기존 CNN의 한계를 개선하기 위한 멀티 모달 모델을 제안해주셨습니다. 제안하는 모델이 동일한 결함 유형이라도 어떤 요인으로 인해 결함이 유발되었는지 판단한다는 점에서 연구적으로 의미가 있다고 생각합니다. 하지만 기존 연구 분석을 통해 제안하는 방법의 차별성을 부각하고 CNN의 한계점을 보다 정밀하게 분석할 필요가 있다고 생각합니다.
최재욱: 문제 상황은 명확히 정해진 것 같습니다만, 문제를 풀어가는 과정에서 본인의 연구 목적에 따라 적용한 방법론을 활용한 이유가 더 논리적으로 타당해야할 것 같습니다. 따라서 기본적으로 시각적 분석을 충분히 해보신 후 방법론들을 적용해야 하는 이유에 대해 고찰해보시면 좋을 것 같습니다.
-발표 리뷰 및 코멘트-
손정옥 ("인공지능 기반 실시간 복수기 성능분석 시뮬레이션 및 디지털트윈 연계 시스템 개발에 관한 연구")
허효범:
최재욱:
-발표 리뷰 및 코멘트-
강해수 ("가스복합발전 플랜트 맞춤형 운영 최적화 솔루션 실증 확산")
허효범: 압축기 성능 관리를 위한 최적의 수세정 시점을 예측하는 연구에 대해서 발표해주셨습니다. 압축기 성능이 저하되면 그로 인해 발생되는 손실들이 워낙 크기 때문에 제안하시는 연구가 압축기를 취급하는 다양한 산업에 필수적이라고 생각이 듭니다. 다음 세미나때는 교수님이 말씀해주셨던 것처럼 연구/학술적인 측면에서 기존 연구들에 대한 리뷰를 면밀하게 해주셨으면 좋겠습니다. 그리고 기존 연구를 분석한 내용을 기반으로 어떠한 알고리즘, 모델을 사용하실 계획인지도 정리하시면 좋을 것 같습니다.
김연걸: 기존 TBM 방식에서 CBM으로 전환하는 과정에서 참고한 근거와 판단 기준을 실무적인 관점에서 살펴볼 수 있어 흥미로운 발표였음. 또한 HTML 기반 발표 자료의 구성과 제작 방식에도 관심을 갖게 됨.
옥지예: 압축기 수세정은 단순히 성능이 떨어졌을 때 하는 것이 아니라 효율 저하로 인한 누적 손실과 수세정·발전 정지 비용을 비교해 경제적인 시점을 결정해야 한다는 점을 알게됐다.
허효범 ("Fault type-specific symbolic regression for interpretable bearing fault classificaiton")
김연걸: 변수 선택 과정에서 FK를 기반으로 유의미한 공통 주파수 대역을 도출하는 것이 쉽지 않은 작업임을 느낌. 이를 개선하기 위해 샘플별 특성에 따라 서로 다른 주파수 대역을 적용하는 등 더욱 유연한 분석 방법을 배우고 싶음. 이를 위해서는 다양한 연구 수행 경험 및 논문 리뷰 경험이 필요할 것으로 생각함.
옥지예: 베어링 결함 신호는 결함 주파수보다 공진 대역에서 충격 성분이 더 뚜렷하게 나타날 수 있어 Fast Kurtogram과 포락선 분석으로 대역을 먼저 선정해야 한다는 점이 인상 깊었다.
-발표 리뷰 및 코멘트-
최재욱 ("저 샘플링 CNC 스핀들 부하 신호 기반 공구 열화 지표 개발")
허효범:
이대형 ("함정 실내 화재 탐지 모델")
최재욱: 기존에 화재를 감지하기 위한 연구의 필요성을 잘 설명해주셧지만, 연구 배경을 좀 더 단단하게 가져갈 필요가 있을 것 같습니다. 연구를 수행하기 위한 전체적인 프레임워크를 제시해주셨는데, 분량이 매우 많아 나중에 연구를 진행하다보면 방향성을 잡기 어려울 수도 있겠다는 생각이 들었습니다. 우선 이전에 말씀드린 연구 배경을 잘 정리 후 최종적인 Goal에 도달하기 위한 세부적인 목표를 몇 가지로 나누어서 그것을 순차적으로 달성하게 되었을 때 최종 목표에 도달하는 방식으로 생각해보셨으면 좋겠습니다.
-발표 리뷰 및 코멘트-
조현선 ("Leveraging Web-Based Aerospace Failure Knowledge for Automated FMEA of Space Launch Vehicle Systems")
허효범: 항공 엔진 시스템의 신뢰성 시험 과정에서 활용할 수 있는 FEMA를 자동으로 구축하는 연구에 대해서 설명해주셨습니다. 신뢰성이 중요한 항공 시스템에서는 특히 필요한 연구라고 생각이 들었습니다. 하지만, 기존 연구들 대비 어떤 성능 지표를 활용해서 제안하는 연구와 비교할 것인지 보완이 되면 좋을 것 같습니다
김연걸: 취약도 지수를 도입하여 기존 FMEA에서 발생할 수 있는 사람의 주관 개입 문제를 해결하고자 하는 점이 인상적이었습니다. 세미나에서 언급되었던 것처럼, 본 연구가 기존 방식 대비 어떤 측면에서 실질적인 개선(평가 정확도, 소요시간 등)을 이루었는지에 대한 평가 기준을 설정하는 것이 중요하다고 생각합니다.
김연걸 ("Feasibility Study on Video-Based Virtual Metrology for Local Ice Load Estimation of Icebreakers")
허효범: 신뢰성 있는 국부빙하중 추정을 위해 기존에 고려했던 변형률 센서 데이터뿐만 아니라 더 나아가 빙해역 영상을 활용하는 계획을 공유해주셨습니다. 빙해역에서 빙 두께를 계측하는 연구들은 많이 진행이 안 되어있지만 알고리즘 측면에서 기존 연구를 찾아보는 것도 좋은 방법이 될 것 같습니다. 예를 들면 연속적으로 변화하는 영상에서 특정 객체의 크기를 측정하는 컴퓨터 비전 연구들은 많이 수행이 되었을 것이라 사료됩니다. 이러한 방향으로 기존 연구를 분석한다면 연구에 방향성을 수립하는데 있어 많은 도움이 될 거라고 생각합니다.
이대형: 파쇄된 해빙이 높게 떠오를 때도 있고 낮게 떠오를 때도 있는데, 이 높이에 따른 수직 방향 원근은 고려하지 않아도 되는 부분인지 궁금합니다 (이 정도의 원근으로 인한 두께 변화는 무시할만 하다, 쇄빙선의 화물선이 아니기 때문에 동일한 배는 침수 깊이가 거의 항상 일정하다 등), 질문 1에서 수직 방향 원근이 중요하다면, 배의 높이 변화에 대해서 궁금합니다. 1) 바다에서는 배가 파도에 의해 해수면-카메라 계속 높이가 변하지 않는지? 2) 배가 항상 일정한 부피만큼 잠기는지? 해수면과 카메라 사이의 거리가 항상 일정한지? 3) 2~3미터 정도 두께의 큰 해빙과 부딪힐 때, 배가 크게 흔들리는 경우는 없는지? 최종 질문은 일반화가 가능한지 궁금합니다. 아직 이번 연구에서는 일반화, 상용화까지는 고려하지 않는 건지 궁금합니다.해빙과 충돌할 때 발생하는 충격을 이용해서 해빙의 두께를 추정하는 연구가 있는지 궁금합니다. 왜냐하면 영상으로만 해빙 두께를 추정하는 것이 아니라, 충격 에너지를 이용해서 두 가지 경로로 해빙의 두께를 같이 추정하거나 검증하면 더 좋을 것 같다는 생각이 들었습니다.
-발표 리뷰 및 코멘트-
옥지예 ("운용 조건과 결함 특징 분리 기반 펌프 결함 진단 모델")
허효범: 회전설비에서 운용조건에 강건한 결함 검출 모델 개발을 위해 GRL과 FiLM을 결합한 새로운 알고리즘을 제안해주셨습니다. 운용조건의 정보를 억제하기 위한 GRL과 운용조건의 정보를 학습에 활용하기 위해 정보를 주입하는 FiLM이 동시에 활용될 경우 어떤 시너지가 있는지를 독자가 이해할 수 있도록 근거를 만들어내는 것이 무엇보다 중요할 것이라고 판단됩니다. 기존 연구와 비교를 통해서 찾을 수도 있고 Ablation study의 결과를 통해서도 발견 가능할 것 같습니다.
김연걸: 기존 연구 대비 제안하는 연구가 갖는 개선점 및 차별점을 언급한다면 연구의 타당성을 이해하기에 좋을 것 같습니다. 좋은 발표 감사합니다.
이대형: 모델로 입력을 주고, 일부를 마스킹 해서 복원하도록 시킨다고 했는데, 복원 정확도가 몇 퍼센트일 때 모델이 원하는 만큼 학습이 되었다고 생각하시는지 궁금합니다. 그리고 그 퍼센트에 대한 기준이 궁금합니다. Anomaly Score를 사용하신다면 몇 점 이하일 때 복원을 잘 했다고 할 것인지 기준이 궁금합니다. 잘 모르는 분야이긴 하지만 rpm 데이터는 일정한 패턴이 있기 때문에 높은 복원률이 나올것이라고 생각됩니다. 그래서 몇 퍼센트의 복원율을 보여야 모델이 제대로 학습됐다고 생각하시는지, 그 근거는 무엇인지 궁금합니다. 추가로 정상 데이터끼리의 오차는 몇인지 궁금합니다. 그래서 1. 정상 데이터끼리의 오차, 2. 정상 데이터와 정상을 복원 데이터의 오차, 3. 정상 데이터와 결함을 복원한 데이터의 오차. 이 세가지를 비교하여 정상 데이터의 높은 복원률을 보이고, 결함 데이터를 복원했을 때 명확한 오차가 생기는 것을 수치적으로 보인다면 독자가 받아들이기 좋을 것 같습니다.
하세정 ("정수장 운전 시나리오를 반영한 다출력 응집제 주입률 예측 모델 개발")
허효범: 정수장에서 응집제 주입률을 실시간으로 예측하기 위한 모델을 제안해주셨습니다. 기존에 개발된 모델과 달리 다양한 운전 시나리오에 대한 응집제 주입률을 계산할 수 있다는 점에서 의미가 있는 것 같습니다. 하지만, 학습에 활용되는 데이터의 신뢰성을 검증할 수 있으면 좋을 것 같습니다. 더 나아가 개발된 모델의 입력인 flag 변수들을 실제 모델을 활용하는 관점에서 어떻게 생성할 수 있는지도 생각해보시면 좋을 것 같습니다.
김연걸: 결과 부분에서 학습/테스트 데이터간 운전 조건의 변화로 인한 오차가 발생했다고 하셨는데, 테스트 시점에서 거의 존재하지 않는 운전 조건은 모델 학습 과정에서 가중치를 낮게 부여하는 방식을 적용해 보는 것은 어떨지 생각해 보았습니다. 좋은 발표 감사합니다.
이대형: "응집 반응에 관여하지만 변수로 포함되지 않은 요소, 계측되지 않은 요소를 찾아야한다." 고 하셨습니다. 미포함된 변수가 알고 있었는데 일부러 포함을 안했던 것인지, 정말로 몰라서 포함을 안한 것인지 궁금합니다. 그리고 하나 우려되는 점은 몰라서 포함을 안한 요소라면 응집 반응 원리를 알아내야하는 방향으로 진전되어서, 현재의 모델 개발 연구가 아닌 응집 반응 원리 연구라는 다른 주제로 흘러가게 되면서 방향성을 잃을 수도 있겠다는 생각이 들었습니다.
신승민 ("")
허효범:
임성훈 ("")
허효범: