Development of a Domain-Specific Foundation Model and Extrapolative Task Adaptation for Industrial AI Robust to Unseen Conditions
이공학학술연구기반구축(R&D) · 박사과정생연구장려금지원
2026년
2340065669
교육부
한국연구재단
서울대학교
채민석
1명
2026.09.01 ~ 2027.02.28
2026.09.01 ~ 2027.08.31
1,250만원
1,250만원
응용연구
대학
서울특별시 관악구
기계 > 생산기반기술 > 산업정보화기술
본 연구의 최종 목표는 미관측 조건에 강건한 산업 설비 AI를 위한 도메인 특화 파운데이션 모델 및 외삽형 태스크 적응 기술을 개발하는 것임. 최근 산업 설비 분야에서는 고장진단, 이상 상태 판별, 심각도 추정 등 다양한 작업에 AI가 활용되고 있으나, 실제 현장에서는 학습 시점에 관측되지 않았던 새로운 설비, 새로운 고장 유형, 새로운 심각도 범위, 새로...
본 연구는 크게 세 단계로 수행됨. 첫째, 도메인 특화 표현학습 단계에서는 진동·전류 등 산업 설비 신호를 설비의 작동 특성과 상태 변화가 효과적으로 드러나도록 변환·표현하고, 자기지도 사전학습을 통해 시주파수 구조와 설비 특성을 반영한 공통 backbone 표현을 학습하고자 함. 산업 설비 신호는 이미지·텍스트와 달리 주기성, 피크성, 조화성, 상태 전이...
본 연구는 산업 설비 신호에 내재된 공통 작동 원리를 학습하는 도메인 특화 파운데이션 모델과 이를 다양한 작업으로 확장할 수 있는 미관측 조건 대응 태스크 적응 기술을 제안함으로써, 산업 설비 AI 분야의 핵심 난제인 표지데이터 부족과 미관측 조건 일반화 한계를 동시에 완화할 수 있는 기반을 마련한다는 점에서 중요성이 큼. 기존 산업 설비 AI는 주로 특정...