본 논문은 다중 모드 프로세스에서의 고장 진단을 위한 새로운 방법인 주의 기반 다중 스케일 시간 융합 네트워크(AMTFNet)를 제안합니다. 다중 모드 데이터의 분포 차이로 인한 공유 특징 추출의 어려움을 해결하기 위해, 다중 스케일 깊이별 합성곱과 게이트 순환 유닛을 사용하여 다중 스케일 지역 특징과 장단기 특징을 추출하고, 인스턴스 정규화를 통해 모드 특이적 정보를 억제합니다. 또한, 시간적 주의 메커니즘을 통해 다중 모드 간 공유 정보가 높은 중요 시간 지점에 집중하여 고장 진단 정확도를 향상시킵니다. Tennessee Eastman 프로세스 데이터셋과 삼상 유동 설비 데이터셋에 적용한 실험 결과, 제안된 모델은 우수한 진단 성능과 작은 모델 크기를 보여줍니다. 소스 코드는 GitHub에서 공개될 예정입니다.
