본 논문은 사이버 물리 시스템(CPS)의 신뢰성과 운영 효율성을 보장하기 위해 이상 탐지 및 근본 원인 파악을 정확하게 수행하는 결함 진단 방법론을 제시합니다. 기존의 수동 모델링 방식의 어려움을 해결하기 위해 다변량 시계열의 집합적 이상 탐지, 프로세스 마이닝, 확률적 시뮬레이션을 통합한 새로운 비지도 학습 기반 결함 진단 방법론을 제안합니다. 먼저 다변량 시계열 분석을 통해 저수준 센서 데이터에서 집합적 이상을 탐지하고, 이를 구조화된 이벤트 로그로 변환하여 프로세스 마이닝을 통해 해석 가능한 프로세스 모델을 추출합니다. 추출된 Petri net에 시간 분포를 통합하여 결함 동작의 확률적 시뮬레이션을 지원함으로써 근본 원인 분석과 동작 이해를 향상시킵니다. 로봇 팔 데이터 세트(RoAD)를 사용하여 방법론의 유효성을 검증하고, CPS의 결함 동작을 모델링, 시뮬레이션 및 분류하는 데 효과적임을 실험적으로 보여줍니다. 이를 통해 예측적 유지보수 및 산업 환경을 위한 디지털 트윈 개발을 지원하는 포괄적인 결함 사전을 생성할 수 있습니다.
