최근 IoT, 네트워크, 컴퓨팅 기술 등의 급진적인 발전에 따라 안전 진단이 필수적인 산업체에서 실시간 의사결정과 고도화된 안전 진단 자동화를 위한 연구가 활발히 진행 중이다. 특히 산업체 대부분의 기계 장비들은 회전 기계로 구성되며, 회전 기계들은 다양한 부품들의 복잡한 결합으로 동작한다. 그러므로 회전 기계의 부품별 세부적 특성 추출은 필수적이며 다양한 종류의 회전 기계들을 복합적으로 고려 가능한 상태 진단 시스템을 구축해야 한다. 회전 기계 상태 진단 시스템을 위해 회전기계에서 발생하는 진동 신호 값 추출연구, 진동 주파수 패턴 기반 연구, 딥러닝 기반 주파수 분석 및 패턴 추출 등의 연구가 진행되고 있다. 하지만 현재까지 연구된 다양한 기법들은 회전 기계의 단일 부품에서 발생 되는 진동 특성만 식별한다는 한계가 있다. 또한 회전 기계는 구동 환경별 고유 진동 특성을 가지지만 회전 기계의 구동 환경에 따른 진동 특성을 회전 기계의 내부 상태별 진동 특성과 결합한 진동 특성 패턴 연구는 거의 이루어지지 않고 있다. 따라서, 본 연구는 회전 기계의 융합적 상태 진단을 위해 회전 기계의 내부 부품에서 발생하는 진동 특성과 다양한 회전 기계의 구축 환경을 동시에 고려하여 세부적 진동 특성 추출 및 분류를 가능하게 하는 MCPL 기법을 제안한다. MCPL은 고속 푸리에 변환(FFT)과 단시간 푸리에 변환(STFT) 스펙트로그램 이미지를 통해 회전 기계 상태별 진동 주파수 패턴을 추출하고 회전 기계 구동 용량별 세분된 진동 주파수 특성 조합을 도출한다. 이후, 회전 기계 내부 상태별 패턴과 구동 용량별 패턴을 동시 식별이 가능한 라벨링 수행 후 최종 데이터셋을 도출하며, 딥러닝 기반 검증을 통해 회전 기계 상태 진단을 위한 MCPL 기법의 안정성과 타당성을 증명한다.