스마트팩토리와 빅데이터는 4차 산업혁명의 중요한 요소이다. 스마트팩토리는 자동화와 통합을 목표로 하지만, 가장 중요한 부분은 데이터의 사용이다. 빅데이터 기반 생산장비의 유지·품질 관리에 관한 연구가 많이 진행되고 있지만 산업 데이터 분석을 위해 수집된 생산 설비의 데이터는 비정상적인 데이터보다 정상 데이터가 더 많다. 또한 수집된 데이터를 분석하기 위해 데이터 전처리 공정에서 많은 에너지가 소비된다. 따라서 생산장비의 유지 및 품질관리를 위해서는 비정상적인 데이터를 정상 데이터만으로 분류하여 데이터 분석에 용이한 데이터 분류 기술이 필요하다.
본 논문에서는 제품 단위별 데이터 저장 방법과 함께 SSA-CAE를 통해 생산 시설에서 수집되는 일변량 사이클 데이터 세트의 비정상 데이터 분류 아키텍처 제안한다. SSA-CAE는 시계열 데이터의 노이즈를 줄이는 데 효과적인 SSA 기법과 시계열에서 우수한 성능을 보인 컨볼루셔널 오토 인코더(Convolutional AutoEncoder)를 결합한 하이브리드 기법이다.