Comparative Analysis of Anomaly Detection Methods Using IoT-Based Conveyor System Sensor Data

컨베이어 시스템의 회전체 설비는 물류 산업의 원활한 운영과 생산성 향상에 핵심적인 역할을 하며, 안정적 운영과 높은 효율성 확보는 기업 경쟁력 확보의 필수 요소이다. 본 논문에서는 컨베이어 시스템의 IoT 센서 데이터를 기반으로 AI 기반 예지정비 및 손상진단 기법을 적용하여, 머신러닝과 딥러닝 모델 간 이상 탐지 성능을 비교·분석하였다. 그 결과, SVM이 가장 높은 분류 정확도를 보였으며, Random Forest는 잠재적 대안으로 확인되었다. MLP와 DBN은 성능 개선이 필요하고, One-class SVM은 이상 탐지 유용성이 제한적이었다. 또한, 단일 모델의 한계를 극복하기 위해 스태킹 앙상블을 적용한 결과, 엑스트라 트리즈는 99.24%의 성능을 기록했고, 보팅 분류기 95.19%, XGBoost 94.71%, 로지스틱 회귀 93.30%로 나타났다. 이 결과는 SVM의 우수성과 앙상블 기법의 신뢰성을 시사하며, 향후 물류 산업의 스마트 유지보수 기술 확산에 기여할 것으로 기대된다.