연구진이 잔여 유효 수명(RUL) 예측을 위해 Chronos-2 기반 시계열 기반 모델(TSFM)을 활용하는 경량화된 학습 접근 방식을 선보였습니다. 다변량 센서 스트림에서 RUL 예측을 위해 작은 회귀 헤드와 결합하여 사용합니다. 실제 산업 센서 데이터 실험 결과, Chronos-2 특징은 기존 방식 대비 성능을 향상시켰습니다.
연구 결과, 더 긴 이력 데이터를 활용할수록 성능이 크게 향상되어 TSFM 표현이 데이터 효율적인 RUL 예측의 대안이 될 수 있음을 확인했습니다. 기존 방식과 동일한 전처리 및 평가 프로토콜 하에서 순환, 컨볼루션, Transformer 기반, 그래디언트 부스팅 기준선보다 일관되게 성능이 향상되었습니다.
TSFM은 광범위한 특징 엔지니어링이나 대규모 레이블 데이터 없이 산업 환경에서 RUL 예측을 위한 실용적인 접근 방식을 제공합니다.