Predicting Defective Rubber Injection Data using a Mahalinobis Distance based Hierarchical Clustering Method

본 논문에서는 고무 사출 데이터에서 정상 데이터와 불량 데이터를 포함한 전체 데이터를 대상으로 계층적 군집화와 마할라노비스 거리를 이용하여 불량 데이터를 효과적으로 예측하는 방법을 제안한다. 제안된 방법은 훈련 데이터를 정상 데이터와 불량 데이터로 구분하고, 각각 데이터에 대해 무게 중심 거리 기반 계층적 군집화 기법을 적용한다. 무게 중심 거리 기반 계층적 군집화 기법을 적용하여 각 군집의 특징을 추출하고 추출된 특징을 기반으로 테스트 데이터를 예측한다. 테스트 데이터는 해당 데이터가 정상 데이터의 군집 특징과 마할라노비스 거리를 통해 유사도를 분석한다. 제안된 방법의 효율성을 검증하기 위해 총 2,400개의 고무 사출 데이터(정상 데이터 1,200개, 불량 데이터 1,200개) 를 대상으로 제안된 방법을 수행하였다. 실험 결과, 제안된 방법이 기존의 클러스터링 기법보다 사출 데이터에서 정상 데이터와 불량 데이터를 예측하는 성능이 HCM 방법보다 16.8% 개선되었고 PCM 방법보다는 39.7%가 개선된 것을 확인하였다.