초록 ▼

□ 연구개요
원자로, 발전소, 대규모 생산설비 등 높은 안정성이 요구되는 시스템에서 발생 가능한 이상 상태를 사전에 감지하여, 사고로 인한 치명적 피해를 예방하는 것은 매우 중요한 문제이다. 실시간으로 수집되는 데이터를 통해 시스템의 상태를 정확히 예측하기 위해서는, 시스템을 이루고 있는 다수의 구성요소 간의 복잡한 상관관계를 반영해야 한다. 본 연구에서는 최근 인공지능 분야에서 주목받고 있는 그래프 인공신경망(Graph Neural Networks) 기법을 활용하여 구성요소 간 관계를 고려한 실시간 데이터 기반의 시스템 이상

□ 연구개요
원자로, 발전소, 대규모 생산설비 등 높은 안정성이 요구되는 시스템에서 발생 가능한 이상 상태를 사전에 감지하여, 사고로 인한 치명적 피해를 예방하는 것은 매우 중요한 문제이다. 실시간으로 수집되는 데이터를 통해 시스템의 상태를 정확히 예측하기 위해서는, 시스템을 이루고 있는 다수의 구성요소 간의 복잡한 상관관계를 반영해야 한다. 본 연구에서는 최근 인공지능 분야에서 주목받고 있는 그래프 인공신경망(Graph Neural Networks) 기법을 활용하여 구성요소 간 관계를 고려한 실시간 데이터 기반의 시스템 이상탐지 알고리즘을 개발하고자 한다.

□ 연구 목표대비 연구결과
￭ 추 진 목 표 : 시스템 구성요소 간 관계 그래프 학습
￭ 달 성 내 용 : 상관계수 및 베이지안 네트워크를 활용한 변수 간 관계 그래프 학습 방법론 개발 완료
￭ 달성도 (%) : 100

￭ 추 진 목 표 : 그래프 인공신경망 기반의 이상탐지 알고리즘 개발
￭ 달 성 내 용 : 변수 간 관계 그래프 및 GCN을 활용한 이상 탐지 방법론 MGCN 개발 완료
￭ 달성도 (%) : 100

￭ 추 진 목 표 : 그래프 생성적 적대 신경망 기반의 이상탐지 알고리즘 개발
￭ 달 성 내 용 : 내부 실험 결과 생성적 모델 기반의 방법론은 MGCN에 비해 성능이 저조한 것으로 확인됨. 추후 연구를 통해 지속 개발 예정임.
￭ 달성도 (%) : 100

￭ 추 진 목 표 : 정량적 연구개발 목표(학술지 게재 3건, 학술대회 발표 5건, SW 등록 1건)
￭ 달 성 내 용 : 학술지 게재 1건, 학술대회 발표 3건, 보고서 1건 발간 완료하였음. 개발된 연구결과를 국제 저명 학술지에 지속적으로 투고 예정임.
￭ 달성도 (%) : 100

□ 연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
⦁ 그래프 인공신경망 기반의 이상탐지 알고리즘의 개발을 통해 복잡한 상관관계의 구성요소로 이루어진 시스템의 정확하고 해석 용이한 이상탐지가 가능함.
⦁ 본 연구에서 개발된 알고리즘은 특정 분야에 국한되지 않고 원자로, 발전소, 대규모 생설비 등 다양한 분야의 시스템 이상탐지에 널리 활용될 수 있음.
⦁ 최근 인공지능 분야에서 활발히 연구되고 있는 그래프 인공신경망의 응용 연구로서, 그래프 기반의 새로운 다변량 시계열 이상탐지 접근법을 제안하여 학술적으로 기여하는 바가 큼.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 4
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 12
• 1) 정성적 연구개발성과(연구개발결과) ... 12
• 2) 세부 정량적 연구개발성과 ... 12
• 3) 목표 달성 수준 ... 12
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 13
• 5. 연구개발성과의 관리 및 활용 계획 ... 13
• 6. 자체점검표 ... 14
• 7. 참고문헌 ... 14
• [붙임1] 세부 정량적 연구개발성과 ... 15
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 16
• 끝페이지 ... 18