본 논문은 제조 산업 인터넷(MII)에서 인공지능(AI) 시스템의 채택 증가에 따라, AI 시스템의 장애가 제조 및 산업 사물 인터넷(IIoT) 운영에 미치는 심각한 영향을 완화하기 위해 AI 복원력에 대한 조사 및 가능화가 매우 중요함을 강조한다. 하지만 AI 시스템의 복원력을 정의하고 잠재적 근본 원인과 그에 상응하는 완화 전략을 분석하는 데 있어 광범위한 지식 격차가 존재한다. 이를 해결하기 위해, 본 논문은 데이터 품질, AI 파이프라인 및 사이버 물리적 계층의 위험 요소 하에서 시간 경과에 따른 AI 성능의 복원력을 조사하기 위한 새로운 프레임워크를 제안한다. 제안된 방법은 다중 모드 다중 헤드 자기 잠재적 주의 모델을 기반으로 AI 성능을 복구하기 위한 효과적인 진단 및 완화 전략을 가능하게 한다. 제안된 방법의 장점은 연결된 에어로졸 제트 프린팅(AJP) 기계, 포그 노드 및 AI 파이프라인을 통한 추론 작업이 있는 클라우드의 MII 시험대를 사용하여 설명한다.
