1차원 시계열 데이터 분석

1. 1차원의 시계열 데이터를 대상으로 2차원 형태의 시간-주파수 이미지로 변환한다.
1차원의 시계열 신호를 2차원의 시간-주파수 이미지로 변환하는 대표적인 방법으로는 일정 시간 간격으로 주파수 성분을 분석할 수 있는 STFT를 주로 사용된다.

다양한 시간 간격으로 주파수 성분을 분석하여 시간과 주파수 해상도 간의 trade-off를 개선할 수 있는 웨이블릿 변환도 적용되고 있다.

2. 변환한 이미지를 CNN 기반 딥러닝 모델의 입력으로 활용한다.

3. 활용 사례
시계열 데이터 기반 딥러닝 기술은 용접 공정을 모니터링하는데 사용한다.
1) 용접부 용입 상태 예측 : 음향신호를 사용하여 상태를 예측한다.
2) 결함 진단 : 저항(아크용접), 전류 및 전압(저항 점 용접), 광 신호(레이저 용접)
3) 용접 조건 모니터링

4. 추가 연구 분야
딥러닝 모델의 성능 향상을 위해서는 CNN이나 attention mechanism을 활용하는 등의 hybrid 모델을 개발하여 활용한 연구가 보다 많이 필요하다.
향후에는 CNN-LSTM-attention 등의 hybrid 모델을 적용하여 모재의 정렬 상태나 보호가스 사용 여부 등의 용접 조건들을 모니터링하고 전체 용접 공정의 품질 관리 수준을 향상시키는 연구가 활발히 이루어져야 한다.

5. 참고문헌
이재헌 외, 시계열 데이터를 이용한 딥러닝 기반 용접 공정 모니터링 리뷰, 한양대학교 공과대학 기계공학부