제 7회 대구 빅데이터 분석 경진대회 : 데이터 분석 및 활용 분야 - 산업 부문

◦ 제조/에너지/공공산업 설비의 고장예측·잔여수명(RUL) 추정은 가동중단 비용을 크게 줄이고 유지보수 효율을 
   높입니다. 시스템의 고장예측·잔여수명(RUL) 추정을 위해 사용되는 열화데이터는 다양한 센서로부터 수집된 
   개별 데이터를 Principle Component Analysis (PCA) 기반의 머신러닝과 딥러닝을 융합한 다양한 방법을 
   이용하여 단일 시계열 신호로 융합될 수 있습니다. 
◦ 최근 많은 산업 현장에서 열화신호가 비선형·이분산·레짐변화(operating mode 전환)를 보이는 경우가 많아 
   전통 기법(베이지안 업데이트 방법, PCA-기반의 회귀기법 등)만으로는 정확도와 견고성이 부족한 경우가 
   식별되고 있습니다. 
◦ 이에 조건부 확산모델(Conditional Diffusion)을 적용해 복잡한 열화(Degradation) 신호의 패턴을 직접 
   학습하고 구간별 열화신호를 직접 생성함으로써 고장예측·잔여수명(RUL) 추정의 정확도를 향상시키고 불확실성 
   정량화를 제공하고자 합니다.