본 논문은 다중 모드 공정에서의 결함 진단 문제를 해결하기 위해, 다중 스케일 시간적 융합 네트워크(attention-based multi-scale temporal fusion network)라는 새로운 방법을 제안합니다. 이 방법은 다중 모드 데이터의 분포 차이로 인해 공통된 특징을 추출하기 어려운 문제를 해결하기 위해, 다중 스케일 깊이 방향 합성곱과 게이티드 순환 단위를 사용하여 다중 스케일의 지역적 특징과 장단기 특징을 추출합니다. 또한, 시간적 어텐션 메커니즘을 통해 다중 모드에서 공유되는 정보가 높은 중요한 시점에 집중하여 결함 진단 정확도를 향상시킵니다. 테네시 이스트만 공정 데이터셋과 3상 유체 설비 데이터셋에 적용한 실험 결과, 제안된 모델은 우수한 진단 성능과 작은 모델 크기를 달성함을 보여줍니다.
