본 논문은 회전 속도 및 토크 변화와 같은 다양한 작동 조건 하에서 복합 결함 진단의 도메인 적응 문제를 해결하기 위해 부분적으로 레이블이 지정된(PL) 타겟 데이터셋에서 도메인 적응에 맞춤화된 새로운 다중 출력 분류(MOC) 프레임워크를 제시합니다. 기존의 다중 클래스 분류(MCC) 방식과 달리, 제안된 MOC 프레임워크는 복합 결함의 심각도 수준을 동시에 분류합니다. 공유 트렁크 및 크로스토크 기반 설계를 포함한 MOC 공식에 적용 가능한 다양한 단일 작업 및 다중 작업 아키텍처를 탐색하고, PL 조건에서 복합 결함 진단을 위한 새로운 크로스토크 계층 구조를 제안합니다. 이 구조는 진단 작업 간의 선택적 정보 공유를 가능하게 하여 복합 결함 시나리오에서 분류 성능을 효과적으로 향상시킵니다. 또한, 모터 진동 데이터에 대한 도메인 적응 성능을 향상시키기 위해 주파수 계층 정규화를 통합했습니다. 모터 기반 테스트 설정을 사용하여 복합 결함 조건을 구현하고, 제안된 모델을 6가지 도메인 적응 시나리오에서 평가했습니다. 실험 결과는 기준 모델과 비교하여 우수한 매크로 F1 성능을 보여줍니다. 단일 결함 비교를 통해 제안된 모델의 구조적 이점이 복합 결함 설정에서 더욱 두드러짐을 보였으며, 주파수 계층 정규화가 기존 방법보다 결함 진단 작업에 더 적합함을 발견했습니다. 마지막으로, 이러한 개선은 단순한 모델 매개변수 증가가 아닌, 모델의 구조적 능력, 즉 결함 간 분류 작업 상호 작용을 활용하는 능력에서 비롯됨을 논의합니다.
