산업 품질 관리에서 이상 탐지 위한 자기지도 반복 개선

본 연구는 고위험 산업 품질 관리 환경을 대상으로 한 강력한 이상 탐지 방법론인 반복 보정 과정(Iterative Refinement Process, IRP)을 제안한다. IRP는 반복적인 데이터 정제 전략을 통해 오류를 유도할 수 있는 데이터 포인트를 점진적으로 제거함으로써 모델의 정확도와 견고성을 향상시키는 방식으로 이상 탐지 성능을 개선한다. 제안된 방법의 유효성을 검증하기 위해 다양한 산업 제품과 이상 유형을 포함하는 두 가지 벤치마크 데이터셋인 Kolektor SDD2(KSDD2) 및 MVTec AD를 활용하여 실험을 수행하였다. 실험 결과, 특히 높은 노이즈 수준을 가진 환경에서 기존의 이상 탐지 모델에 비해 IRP가 일관되게 우수한 성능을 발휘함을 확인하였다. 본 연구는 IRP가 산업 현장에서 이상 탐지 프로세스를 크게 향상시킬 수 있는 잠재력을 보여주며, 희소하고 노이즈가 많은 데이터 환경에서의 도전 과제를 효과적으로 해결할 수 있음을 강조한다.