DOI QR코드

DOI QR Code

Algorithm for Determining Whether Work Data is Normal using Autoencoder

오토인코더를 이용한 작업 데이터 정상 여부 판단 알고리즘

  • 김동현 (주식회사 씨알아이지) ;
  • 오정석 (가스안전공사 가스안전연구원)
  • Received : 2021.09.10
  • Accepted : 2021.10.24
  • Published : 2021.10.30

Abstract

In this study, we established an algorithm to determine whether the work in the gas facility is a normal work or an abnormal work using the threshold of the reconstruction error of the autoencoder. This algorithm do deep learning the autoencoder only with time-series data of a normal work, and derives the optimized threshold of the reconstruction error of the normal work. We applied this algorithm to the time series data of the new work to get the reconstruction error, and then compare it with the reconstruction error threshold of the normal work to determine whether the work is normal work or abnormal work. In order to train and validate this algorithm, we defined the work in a virtual gas facility, and constructed the training data set consisting only of normal work data and the validation data set including both normal work and abnormal work data.

본 연구에서는 오토인코더의 재구성 오류의 임계값을 이용하여 가스 시설에서의 작업이 정상 작업인지 비정상 작업인지를 판단하는 알고리즘을 구축하였다. 이 알고리즘은 정상 작업의 시계열 데이터만으로 오토인코더를 학습하여 최적화된 정상 작업의 재구성 오류의 임계값을 도출한다. 이 알고리즘을 새로운 작업의 시계열 데이터에 적용하여 재구성 오류를 구한 다음 이것을 정상 작업의 재구성 오류 임계값과 비교하여 정상작업인지 비정상 작업인지를 판별한다. 이 알고리즘을 학습하고 검증하기 위해서 가상의 가스 시설에서의 작업을 규정하고 정상 작업 데이터로만 이루어진 학습 데이터 세트와 정상 작업과 비정상 작업 데이터를 모두 포함한 검증 데이터 세트를 구축하였다.

Keywords

Acknowledgement

본 연구는 중소벤처기업부의 규제자유특구혁신사업육성 지원에 의한 연구임 (과제번호 : P0011362, 과제명 : 누출검지 고도화 및 산업용 IoT기반 스마트 차단·제어 장치 개발 및 실증)

References

  1. Md. Rezaul Karim, Ahmed Menshawy, Deep Learning By Example, O'Reilly, (2018)
  2. J. An and S. Cho., Variational autoencoder based anomaly detection using reconstruction probability, (2015)
  3. Y. LeCun and C. Cortes, MNIST handwritten digit database, (2010)
  4. B. Zong, Q. Song, M. R. Min, W. Cheng, C. Lumezanu, D. Cho, and H. Chen., Deep autoencoding gaussian mixture model for unsupervised anomaly detection. In International Conference on Learning Representations, (2018)
  5. V. Nair and G. E. Hinton., Rectified linear units improve restricted boltzmann machines. In Proceedings of the 27th international conference on machine learning (ICML-10), 807-814, (2010)
  6. D. P. Kingma and J. Ba. Adam, A method for stochastic optimization. In International Conference on Learning Representations, (2015)