초기 이상치 탐지 및 불량 검출에 있어서 인공지능기술의 적용은 이제 흔히 쓰이는 기술이 되었다. 하지만 일반적으로 사용되는 표현학습모델들의 경우 정상 데이터와 불량 데이터를 모두 많이 사용하는 단점이 있었다. 하지만 정밀 공정과 신규 설비 및 다품종 소로트산업에서는 불량 데이터를 얻기 쉽지 않기에 인공지능기술의 적용에 한계가 있었다. 이에 비지도 학습 기반의 모델들이 나타나게 되었고 그 중 높은 성능을 보이는 지식 증류 모델과 지식 역증류 모델의 비교 및 실험을 본 논문에서 제시한다.
The application of artificial intelligence technology in early anomaly detection and defect inspection has now become a commonly used technology. However, in the case of commonly used representation learning models, there was a disadvantage in that both normal and defective data were used a lot. However, there was a limit to the application of artificial intelligence technology because it was not easy to obtain anomal data in precision processes, new facilities, and multi-species small lot industries. As a result, unsupervised learning-based models have emerged, and among them, a comparison and experiment between knowledge distillation models and reverse distillation models with high performance is presented in this paper.