DATA AUGMENTATION METHOD AND SYSTEM FOR AI LEARNING IN MANUFACTURING EXECUTION SYSTEM

본 발명은 제조 실행 시스템에서 인공지능 학습을 위한 데이터 증강 방법에 관한 것으로서, 보다 구체적으로는 제조 실행 시스템(Manufacturing Execution System, MES)에서 각 단계가 수행되는 데이터 증강 방법으로서, (1) 상기 제조 실행 시스템에서 수집되는 시계열 데이터를 MES DB에 저장하는 단계; (2) 상기 MES DB에 저장된 시계열 데이터를 증강하여 증강 시계열 데이터를 생성하는 단계; (3) 상기 증강 시계열 데이터가 인공지능 학습에 적합한지를 대응 표본 T-검정(Paired T-test)으로 검증하는 단계; 및 (4) 상기 단계 (3)에서 인공지능 학습에 적합한 것으로 검증된 증강 시계열 데이터를 상기 MES DB에 저장하는 단계를 포함하며, 상기 단계 (2)에서는, 시간 영역에서 복수의 상기 시계열 데이터를 분할하고 분할된 데이터를 랜덤 선택 및 조합하여 상기 증강 시계열 데이터를 생성하는 제1 증강 모듈; 및 시간 영역에서 복수의 상기 시계열 데이터를 분할하고 분할된 데이터를 주파수 영역으로 변환해 고주파를 제거한 다음, 고주파가 제거된 분할된 데이터를 랜덤 선택 및 조합하여 상기 증강 시계열 데이터를 생성하는 제2 증강 모듈 중 적어도 하나를 통해 상기 증강 시계열 데이터를 생성하는 것을 그 구성상의 특징으로 한다. 본 발명에서 제안하고 있는 제조 실행 시스템에서 인공지능 학습을 위한 데이터 증강 방법 및 시스템에 따르면, 시계열 데이터에 적합한 데이터 증강 기법을 적용해 학습 데이터의 다양성을 증대하고, 증강된 시계열 데이터는 성능 검증 후 데이터베이스에 저장하여 인공지능 학습에 사용함으로써, 시계열 데이터의 분석 및 예측을 하는 인공지능 모델의 성능을 개선할 수 있으며, 적은 양의 데이터로 학습할 때 발생할 수 있는 과적합을 방지할 수 있다. 또한, 본 발명에서 제안하고 있는 제조 실행 시스템에서 인공지능 학습을 위한 데이터 증강 방법 및 시스템에 따르면, 산업 자동화 및 제조 분야에서 수집되는 시계열 데이터에 적합한 데이터 증강 기법에 의해 증강된 데이터를 이용해 인공지능 알고리즘을 학습함으로써, 생산 공정의 최적화, 품질관리, 장비 예측 정비 등의 분야에서 효과적인 결정을 내릴 수 있다.