[논문]IoT 기반 에스컬레이터 고장 예지 시스템

이창호; 이창훈; 박상현; 이유진; 김풍일; 최상방

IoT 기반 에스컬레이터 고장 예지 시스템
IoT-based escalator failure prediction system 원문보기

이창호 (한국콘베어공업(주)) , 이창훈 (한국콘베어공업(주)) , 박상현 (한국콘베어공업(주)) , 이유진 (한국콘베어공업(주)) , 김풍일 (한국콘베어공업(주)) , 최상방 (인하대학교 전자공학과)

본 논문에서 에스컬레이터 기계실 내부 전동기, 감속기, 구동 체인의 IoT 소음 및 진동 센서를 부착하여 에스컬레이터 운영중 실시간 상태 감시가 가능한 IoT 기반 에스컬레이터 고장 예지 시스템을 제안한다. IoT 소음 및 진동 센서는 에스컬레이터 운영 중 발생하는 소음 및 진동 데이틀 수집하여 PHM(Prognostics and Health Management) 서버로 전송하며, 서버에서는 진단 알고리즘을 통해 고장 유 무를 판단한다. 소음 데이터를 이용한 체인 피치 길이 알고리즘을 검증하기 위하여 실제 체인의 길이를 측정한 결과 값과 비교한 결과 99.8% 정확도를 가지며, 진동 데이터를 이용하여 전동기, 감속기의 상태 판단을 위한 알고리즘 검증을 위해 AST 사의 진동 센서와 비교한 결과 약간의 오차는 발생하지만 ISO 10816-3을 기준으로 한 판단 결과 값은 동일한 결과 값을 가지는 것을 확인하였다.

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

문제 정의

본 논문에서는 에스컬레이터의 전동기, 감속기, 구동 체인의 고장 유⦁무 상태를 점검하기 위해 IoT 기반 에스컬레이터 고장 예지 시스템을 개발하였다. IoT 소음 및 진동 알고리즘을 검증하기 위하여 실제 체인의 측정 값과 비교한 결과 99.
또한 육안에 의한 외형점검으로 인한 고장 및 사고 예방을 위한 점검은 대부분 불가능하다. 이에 본 논문에서는 에스컬레이터 감속기, 전동기, 구동체인에 IoT 소음과 진동 센서를 부착하여 소음과 진동 데이터를 분석하여 에스컬레이터의 고장 상태를 예측할 수 있는 IoT 기반 에스컬레이터 고장 예지 시스템을 제안한다.

제안 방법

체인의 길이는 체인과 스프라켓의 마찰음을 이용하여 밴드 패스 필터를 사용하여 마찰음의 피크점을 검출한 후 피크점을 이용하여 체인의 링크별 길이를 추정한 후 각 링크별 길이의 합으로 전체 체인의 길이를 계산한다.

대상 데이터

IoT 소음 및 진동 센서의 무선 모듈은 사용자 앱과 측정 주기 설정을 위한 BLE, 측정된 데이터 전송을 위한 WiFi 모듈을 사용하며, 무선 동작을 위한 배터리로 구성된다. 사용자 앱읍 BLE 통신을 통해 IoT 측정 시간을 설정하며, IoT 센서의 측정된 데이터는 WiFi 통신을 통해 수집한다. 데이터 수집 후 데이터 분석을 통해 PHM 클라우드 서버로 데이터를 전송한다.

데이터처리

본 논문에서 제안한 체인 피치 길이 알고리즘을 검증하기 위하여 97개의 링크를 가지는 체인의 링크별 길이를 레이저트랙커를 이용하 여 체인 링크별 길이를 측정한 결과 값과 IoT 소음 센서를 이용하여 측정 한 결과 값을 비교 검증하였다. 표 1은 실제 측정한 결과 값과 IoT 소음 센서를 통해 측정된 결과 값을 나타낸다.

성능/효과

본 논문에서는 에스컬레이터의 전동기, 감속기, 구동 체인의 고장 유⦁무 상태를 점검하기 위해 IoT 기반 에스컬레이터 고장 예지 시스템을 개발하였다. IoT 소음 및 진동 알고리즘을 검증하기 위하여 실제 체인의 측정 값과 비교한 결과 99.8%의 정확성을 가지며, IoT 진동 센서는 상용 진동 센서와 비교한 결과 약간의 오차율은 있지만 동일한 등급을 진단하는 것을 검증하였다. 본 논문에서 제안한 IoT 기반 에스컬레이터 고장 예지 시스템은 현재 인천교통공사와 시범 운용을 진행하고 있으며, 향후 이를 바탕으로 실제 에스컬레이터 전동기, 감속기, 구동 체인의 적용하여 실증 및 신뢰도를 향상할 계획이다.
표 1은 실제 측정한 결과 값과 IoT 소음 센서를 통해 측정된 결과 값을 나타낸다. 실제 체인 길이와 IoT 소음 센서를 통해 비교한 결과 4.7mm의 오차를 가지며 99.8%의 정확도를 가진다. 진동 데이터 Overall값의 검증은 표2에서와 같이 기어이 파손은 3축 가속도 센서로 측정 시 Y축을 통해 측정이 되며, 동일한 C등급이 나오는 것을 검증하였다.

후속연구

8%의 정확성을 가지며, IoT 진동 센서는 상용 진동 센서와 비교한 결과 약간의 오차율은 있지만 동일한 등급을 진단하는 것을 검증하였다. 본 논문에서 제안한 IoT 기반 에스컬레이터 고장 예지 시스템은 현재 인천교통공사와 시범 운용을 진행하고 있으며, 향후 이를 바탕으로 실제 에스컬레이터 전동기, 감속기, 구동 체인의 적용하여 실증 및 신뢰도를 향상할 계획이다.

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

IoT 기반 에스컬레이터 고장 예지 시스템
IoT-based escalator failure prediction system 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

IoT 기반 에스컬레이터 고장 예지 시스템 IoT-based escalator failure prediction system 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

IoT 기반 에스컬레이터 고장 예지 시스템
IoT-based escalator failure prediction system 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper