선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 하지만, 고장비용이 매우 큰 선박의 경우 고장을 예방하기 위한 주기적 정비정책이 실행되므로, 실제 고장여부가 기록된 데이터를 얻기가 어렵다. 따라서, 본 연구에서는 비지도 학습(unsupervised Learning)을 통해 엔진 상태의 이상치를 조기에 파악하는 것을 목표로 한다.
- , 2018; Perer and Mo, 2017). 본 연구는 선박 메인엔진에서 수집된 빅데이터 이상치 분석을 통한 선박 메인엔진 상태 진단 모델 개발을 다루고 있다. 선박 운항 중 수집된 데이터에 통계적 기법을 사용하여 이상치를 탐지하는 소수의 연구가 존재한다.
- 본 연구에서는 7개월 이상 10초 주기의 선박 메인엔진 운전 데이터를 활용하여 선박 메인엔진의 이상 운전을 식별할 수 있도록 머신러닝 알고리즘인 앙상블 기법을 적용하였다. 본 연구의 결과물을 활용하여 메인엔진의 과거 운항데이터를 학습하고, 실선 메인엔진에 알고리즘을 적용하여 메인엔진의 이상이 발생할 경우 즉시 이상 정도를 식별 할 수 있도록 연구하였다.
- 본 연구에서는 선박 메인엔진에 부착된 센서로부터 수집된 빅데이터를 활용하여 엔진의 이상을 파악할 수있는 방법론을 제안하였다. 이를 위해 실선에서 7개월 이상 수집된 데이터를 학습에 사용하였다.
- 이상치 점수의 분포는 ABOD를 제외한 6개의 분포에서는 모두 유사한 패턴을 보이지만, 정확히 일치하지는 않는 것을 확인할 수 있다. 본 연구에서는 앙상블 기법의 원리에 따라 7개의 알고리즘에서 공통적으로 이상치로 예측된 데이터를 이상치로 판단하고자 한다. 앙상블 기법의 목적은 가장 유효한 알고리즘을 선정하는 것이 아니라, 여러개의 알고리즘을 동일한 데이터에 함께 적용함으로써 이상치 검출이 특정 알고리즘에 종속됨되는 현상을 예방하고 보다 견실한 (robust) 예측을 목적으로 한다(Aggarwal, 2013).
- 정상데이터의 경우 다수의 유사한 정상 데이터의 경우 다수의 유사한 데이터가 분포를 형성할 것이며, 이상치 데이터의 경우 이러한 정상데이터의 분포로부터 멀리 떨어져 있을 것이다. 본 연구에서도 이와 같은 원리를 적용하여 엔진 상태 데이터를 파악하고, 이상치 데이터 분류를 위해 다수의 데이터 분포로부터 벗어난 개체를 파악하는 것을 목표로 하였다.
- 본 장에서는 이상치의 분포를 정상 분포와 비교하여 이상치가 성공적으로 검출되었음을 보이고자 한다. Fig.
- 본 절에서는 선박 메인엔진 이상치 탐지를 위해 사용된 방법론을 소개한다. 부품의 고장 및 이상 증상을 탐지하기 위해서는 시간에 따라 제품의 고장상태를 기록한 시계열 형태의 데이터가 필요하다.
가설 설정
- 5. Concept of outlier detection.
- 학습이 끝난 후 각각의 알고리즘을 이용하여 입력데이터 개체가 정상으로부터 얼마만큼 벗어나 있는 지를 측정할 수 있는 이상치 점수(anomaly Score)를 계산한다. 다음으로 각 모형별로 이상치 점수가 상위 1%에 속하는 데이터들을 추려내어 이상치로 가정한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.