본 논문은 산업 공정 모니터링을 위한 새로운 프레임워크를 제시한다. 레이블 부족, 높은 변동성, 운영 노이즈로 인해 발생하는 기존 시계열 데이터 분석의 어려움을 해결하기 위해, 이미지 기반 컨볼루션 클러스터링과 복합 내부 평가를 활용하여 단변량 시계열 데이터에서 운영 모드를 비지도 학습 방식으로 발견한다. 겹치는 슬라이딩 윈도우를 통해 시계열을 회색조 행렬로 변환하고, 딥 컨볼루셔널 오토인코더를 사용하여 특징을 추출한다. 소프트 및 하드 클러스터링 출력을 통합하고, 복합 점수(S_eva)를 통해 클러스터링 성능을 객관적으로 평가한다. 북유럽 제철소의 용광로 용해 공정 데이터에 적용하여 7가지 설명 가능한 운영 패턴을 식별하고, 에너지 소비, 열역학, 생산 기간의 차이를 밝혀냈다. 기존 및 딥 클러스터링 방식보다 우수한 성능과 설명 가능성을 보였다.
