LAST-RAG: Literature-Anchored Stochastic Trajectory Retrieval-Augmented Generation for Knowledge-Conditioned Degradation Model Selection

작성자

Haebom

카테고리

Empty

저자

Hanbyeol Park, Hyerim Bae

💡 개요

기존의 잔존 유효 수명(RUL) 예측을 위한 확률 과정 기반 열화 모델 선택은 관측된 건강 지표(HI) 궤적의 통계적 적합성에만 의존하여 단기 관측이나 노이즈가 심한 경우 실제 열화 메커니즘과 불일치하는 모델을 선택할 위험이 있었습니다. 본 논문은 이러한 문제를 해결하기 위해 LAST-RAG(Literature-Anchored Stochastic Trajectory Retrieval-Augmented Generation)를 제안하며, 이는 관측된 HI 궤적과 도메인 특화된 문헌 정보를 활용하여 이론적, 기계적 근거에 기반해 후보 모델 공간을 계층적으로 조정합니다. 또한, 불확실한 상태에서의 규칙 기반 신뢰 추론(RCRUS)을 도입하여 의사 결정의 불확실성을 관리합니다.

🔑 시사점 및 한계

•

전문 지식 통합을 통한 모델 선택 정확성 향상: 단순히 통계적 적합성을 넘어, 문헌에서 추출한 도메인 지식을 활용하여 실제 물리적 열화 메커니즘과 일관성 있는 모델을 선택할 수 있습니다.

•

불확실성 관리 기능: RCRUS를 통해 의사 결정 과정에서의 불확실성을 효과적으로 관리하여 후보 모델의 조기 탈락을 방지하고 더욱 강건한 모델 선택을 지원합니다.

•

데이터 의존성 및 문헌 접근성: 본 방법론은 관측된 데이터뿐만 아니라, 도메인 지식을 담고 있는 문헌 정보에 대한 접근성과 질에 크게 의존할 수 있으며, 이는 실제 적용 시 고려해야 할 부분입니다.

PDF 보기

Made with Slashpage