[논문]인공신경망을 이용한 머신러닝 기반의 연료펌프 고장예지 연구

최홍; 김태경; 허경린; 최성대; 허장욱

doi:10.14775/ksmpe.2019.18.9.052

인공신경망을 이용한 머신러닝 기반의 연료펌프 고장예지 연구
Study of Fuel Pump Failure Prognostic Based on Machine Learning Using Artificial Neural Network 원문보기

한국기계가공학회지 = Journal of the Korean Society of Manufacturing Process Engineers, v.18 no.9, 2019년, pp.52 - 57

최홍 (금오공과대학교 기계시스템공학과) , 김태경 (금오공과대학교 기계시스템공학과) , 허경린 (금오공과대학교 기계시스템공학과) , 최성대 (금오공과대학교 기계시스템공학과) , 허장욱 (금오공과대학교 기계시스템공학과)

Abstract ▼ AI-Helper

The key technology of the fourth industrial revolution is artificial intelligence and machine learning. In this study, FMEA was performed on fuel pumps used as key items in most systems to identify major failure components, and artificial neural networks were built using big data. The main failure mode of the fuel pump identified by the test was coil damage due to overheating. Based on the artificial neural network built, machine learning was conducted to predict the failure and the mean error rate was 4.9% when the number of hidden nodes in the artificial neural network was three and the temperature increased to $140^{\circ}C$ rapidly.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

특히, 대부분의 시스템에서 핵심품목으로 구분되는 연료펌프는 장시간 작동 시 펌프 내부의 온도 상승에 의한 코일의 피복 손상 등에 의해 고장이 발생하기 때문에, 펌프의 고장 예지에 의한 건전성 관리의 중요성도 함께 증가하고 있다. 따라서, 본 연구에서는 연료펌프의 고장유형 및 영향분석(FMEA)을 수행하여 고장현상을 파악하고, 온도 및 진동 센서 등으로부터 데이터를 확보하여 인공신경망(ANN, Artificial Neural Network) 기반의 머신러닝을 실시함으로써 고장을 예지하였다.

제안 방법

대부분의 시스템에서 핵심품목으로 사용하고 있는 연료펌프를 대상으로 빅 데이터 및 머신러닝을 수행하여 고장을 예지하였다. 얻어진 결과를 요약하면 다음과 같다.
연료펌프 입력 전원의 전압, 전류 및 주파수의 조건을 변경하면서 시험을 수행하였을 때, Fig. 1에 나타낸 바와 같이 과열로 인한 코일의 피복 손상이 가장 취약한 고장모드임을 확인할 수 있었으며, 이러한 결과를이용하여 연료펌프의 고장예지를 위한 시험을 수행하였다.

데이터처리

또한, 시험 데이터로 얻은 결과의 오차율을 계산하여 적정시간 내에 높은 정확도의 결과를 얻는 Hidden node 수를 찾아 학습정도를 평가하였다^[8].
2에 나타낸 바와 같이 연료펌프, 온도 센서, 가속도 센서 및 DAQ 등으로 시험 장치를 구성하였다. 부착된 센서에서 DAQ Chassis를 통해 수집된 데이터를 랩뷰(Labview)를 이용하여 저장하고, 실시간 그래프로 데이터를 도식화하여 분석하였다.

이론/모형

머신러닝을 수행하기 위해 매트랩(Matlab) 프로그램으로 Neural Network Toolbox를 사용하였다. 인공신경망의 Hidden layer에는 Tansig함수(Tangent sigmoid 함수)를 사용하였으며, Output layer에는 Purelin함수(Pure linear 함수)를 사용하였다.
머신러닝을 수행하기 위해 매트랩(Matlab) 프로그램으로 Neural Network Toolbox를 사용하였다. 인공신경망의 Hidden layer에는 Tansig함수(Tangent sigmoid 함수)를 사용하였으며, Output layer에는 Purelin함수(Pure linear 함수)를 사용하였다.

성능/효과

2.인공신경망의 Hidden node 수가 3개일 때 평균오차율이 4.9%로 가장 정확한 학습 데이터를확인할 수 있다.
3.연료펌프 코일의 온도가 140℃ 이상이 되면고장률이 급격하게 증가한다.

후속연구

향후에는 고장 데이터의 Labeling을 수정하여 현장 반영률을 높임으로써 정확성을 향상시키는 연구를 수행할 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	예지 보전 시스템이란 무엇인가?	현재 대부분의 산업용 장비는 설비의 상태를 고려하지 않고, 예방정비를 통해 사용기간이 만료된 것은 무조건 교환하는 방식이기 때문에 과도한 유지보수 비용을 초래하기도 한다. 이를 보완한 것이 예지 보전 시스템이라 할 수 있으며, 이는 고장예지 및 건전성관리의 핵심기술로 유비쿼터스 센서 네트워크(USN : Ubiquitous sensor network)를 이용하여 산업용 장비의 상태를 모니터링하고, 고장의 징후를 포착하는 진단기술과 잔여 유효수명(RUL : Remaining useful life)의 예지 및 효과적인 건전성관리 기술(Health management)을 의미한다[3,4].
	예지 보전 시스템은 기존 예방정비의 어떠한 점을 보완할 수 있는가?	4차산업 혁명으로 대변되는 인공지능은 상태 진단(Diagnostic)을 위해 다량의 정보를 감지(Sensing)하는 기술과 이를 실시간으로 처리하는 빅 데이터 기술 및 예지(Prognostic)하는 기술을 기반으로 하고 있다[1-2]. 현재 대부분의 산업용 장비는 설비의 상태를 고려하지 않고, 예방정비를 통해 사용기간이 만료된 것은 무조건 교환하는 방식이기 때문에 과도한 유지보수 비용을 초래하기도 한다. 이를 보완한 것이 예지 보전 시스템이라 할 수 있으며, 이는 고장예지 및 건전성관리의 핵심기술로 유비쿼터스 센서 네트워크(USN : Ubiquitous sensor network)를 이용하여 산업용 장비의 상태를 모니터링하고, 고장의 징후를 포착하는 진단기술과 잔여 유효수명(RUL : Remaining useful life)의 예지 및 효과적인 건전성관리 기술(Health management)을 의미한다[3,4].
	인공지능은 어떤 기술을 기반으로 운용되는가?	4차산업 혁명으로 대변되는 인공지능은 상태 진단(Diagnostic)을 위해 다량의 정보를 감지(Sensing)하는 기술과 이를 실시간으로 처리하는 빅 데이터 기술 및 예지(Prognostic)하는 기술을 기반으로 하고 있다[1-2]. 현재 대부분의 산업용 장비는 설비의 상태를 고려하지 않고, 예방정비를 통해 사용기간이 만료된 것은 무조건 교환하는 방식이기 때문에 과도한 유지보수 비용을 초래하기도 한다.

참고문헌 (8)

Choi, H., Kim, T. K., Heo, G. R., Hur, J. W. and Choi, S. D., "A Study on the Prediction of Failure of Fuel Pump Based on Big Data and Machine Learning", Proceedings of the KSMPE Spring Conference, pp. 231, 2019.
Kim, B. R., Lee, Y. H., Roh, H. U., Kim, D. J. and Kim, K. J., "Deep Learning System Based on Time Series Data for Robot Prognostics", 2018 Summer Conference of IEICE, pp. 1340-1342, 2018.
Kim, S. H., Chang, M. S., Lee, K. S., Lee, S. K., Baek, M. H. and Park, J. W., "A Study on the Life Prediction of Vibro-hammer Structure Part Using Field Data", Proceedings of the KSME Spring Conference, pp. 1640-1645, 2018.
Ashwini, K., Lukumon, O., Marina, M. and Gehan, S., "Big data: A New Revolution in the UK Facilities Management Sector", Royal Institution of Chartered Surveyors (RICS), 2018.
Seo, B. S., Jang, B. C. and Hwang, S. D., "Success Cases and Vision in Engineering System of Failure Prediction Diagnosis Technology", The Korea Society for Noise and Vibration Enginnering(KSNVE), Vol. 25, No. 1, pp. 7-15, 2015.
Lee, J. H., "A Study on Automation of Big Data Quality Diagnosis Using Machine Learning", The Korean Journal of Big Data, Vol. 2, No. 2, pp. 75-86, 2017.
Park, H. Y. and Lee, K. Y., "Pattern Recognition and Machine Learning Foundation to Use", Ehan Publication, pp. 236-237, 2011.
Cho, H., Cha, D. W., Lee, H. S. and Jung, S. S., "Survey of Prognostics and Health Management Processes in Automotive Lead-acid Batteries for Estimating Remaining Useful Life in Real Time", 2014 Fall Conference of the Korean Society of Industrial and Engineering Engineers, pp. 2883-2888, 2014.

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증