TAP: An Integrated Deep Learning Pipeline for Anomaly Detection Based on Time-Series Data

최근 사물 인터넷(IoT) 기술의 발전으로 산업 현장에서는 여러 유형의 시계열 데이터가 지속적으로 생성되고 있다. 그러나 현재 시계열 데이터 분석은 데이터의 다양성에 따라 각각 다른 기준의 전처리 과정과 여러 종류의 딥러닝 알고리즘 중 적합한 알고리즘을 선택하기 어려워 정확하고 효율적인 분석이 이루어지지 않고 있다. 본 연구는 사용자의 환경에 맞추어 사용자가 직접 조건을 정의하여 시계열 데이터를 전처리하고, 딥러닝 알고리즘을 모델링하여 예측과 이상탐지를 수행할 수 있는 통합된 딥러닝 파이프라인 (Time-series Analysis Pipeline: TAP)을 구축하였다. 여러 산업 현장에 범용적으로 사용할 수 있는 TAP는 현장에서의 분석 시간을 단축하고, 환경에 맞추어 예측과 이상 탐지의 정확도를 향상할 수 있을 것으로 기대한다.