본 논문은 산업 시스템의 누락된 값을 처리하는 새로운 딥러닝 방법인 STDiff를 제안합니다. 기존 방법들이 고정된 시간 창 내 패턴 완성에 초점을 맞추는 것과 달리, STDiff는 시스템의 상태 변화를 학습하여 누락된 값을 단계적으로 생성합니다. 이는 제어 행위에 의해 동적인 변화가 발생하고, 비정상적이며, 장기간의 누락이 발생하는 산업 시스템에 적합합니다. STDiff는 인과적 편향을 가진 조건부 잡음 제거 확산 모델을 사용하여 최근 알려진 상태와 관련 제어 또는 환경 입력을 기반으로 누락된 값을 생성합니다. 실험 결과, STDiff는 공개 하수 처리 데이터셋과 실제 산업 데이터셋에서 기존 방법보다 낮은 오차율을 달성하며, 특히 장기간 누락 데이터에 대해 그 우수성이 더욱 두드러집니다. 기존의 창 기반 모델들이 데이터를 평평하게 하거나 과도하게 부드럽게 만드는 반면, STDiff는 동적으로 타당한 시계열을 생성합니다.
