⊙ 데이터 증대에 따라 진단 모델의 업데이트가 가능하여 진단 성능의 고도화 가능함
⊙ AI기술 고도화에 따라 진단 성능의 고도화 가능함
⊙ 데이터가 적은 경우 기존 데이터 특성기반으로 데이터 복제가 가능함
⊙ 다변량 계측 데이터에 유리함
⊙ 통상 진단의 1단계인 이상탐지까지 가능함
⊙ 학습된 진단모델은 상이한 조건(설비 운전, 제조사, 환경)에서 얻어진 데이터에 적용될 경우 진단 정확도가 낮아짐
⊙ 상이한 조건에서 확보된 데이터를 활용할 경우 학습 정확도가 떨어짐
⊙ 유사 또는 동일한 조건에서 학습하는 경우, transfer learning과 같은 최신 딥러닝 기술을 활용하면 정확도를 높일 수 있으나 다른 조건으로의 확장성에 어려움 존재
⊙ 진단이 잘 되더라도 진단 결과에 대한 근거제시나 고장의 원인을 분석하는데 어려움
⊙ 고장 데이터가 부족한 경우 고장 데이터를 물리적 근거/지식없이 복제하는 게 어려움
⊙ 진단 정확도 확보를 위해서는 상당량의 데이터가 필요함