Level 1 — 이상탐지 (Anomaly Detection)

첫 번째 질문은 단순합니다. "지금 정상인가, 아닌가?"

왜 비지도학습인가

현장에는 정상 데이터가 압도적으로 많고 고장 데이터는 거의 없습니다. 고장은 드물게 나고, 나면 즉시 고치기 때문입니다.

그래서 "고장을 학습해서 분류하는" 지도학습 접근은 대부분 실패합니다. 대신:

1. 정상 상태만 학습해 정상의 범위를 모델링하고
2. 그 범위를 벗어나면 이상으로 판정합니다

대표 기법

기법	아이디어
통계적 관리도	평균±3σ 밖이면 이상
마할라노비스 거리	여러 변수의 상관을 고려한 거리
Autoencoder	정상을 복원하도록 학습 → 복원 오차가 크면 이상
One-Class SVM	정상 영역의 경계를 학습

실무에서 반드시 걸리는 문제

운전 조건 변화를 이상으로 오판하는 것

부하가 바뀌거나 계절이 바뀌면 신호도 바뀝니다. 이걸 고장으로 잡으면 경보 피로가 옵니다. 해결: 운전 조건별로 기준선을 나누거나, 조건 변수를 입력에 포함시킵니다.