초록 ▼

□ 연구개요
◯ 본 연구에서는 제조설비, 항공기 엔진, 풍력발전 터빈 등의 시스템의 고장을 사전에 진단하기 위한 머신러닝 기반의 기법을 개발함
◯ 이러한 분야에서는 정상 데이터에 비하여 설비 고장 데이터의 양이 극히 부족하기 때문에 불균형 분류(Imbalanced Classification) 기법이나 단일 클래스 분류(One-class Classification) 기법이 효과적이며, 본 연구에서는 One-class Classification 기법을 적용한 시스템 진단 기술 개발에 집중함
◯ 시스템 진단을 위하여 사용

□ 연구개요
◯ 본 연구에서는 제조설비, 항공기 엔진, 풍력발전 터빈 등의 시스템의 고장을 사전에 진단하기 위한 머신러닝 기반의 기법을 개발함
◯ 이러한 분야에서는 정상 데이터에 비하여 설비 고장 데이터의 양이 극히 부족하기 때문에 불균형 분류(Imbalanced Classification) 기법이나 단일 클래스 분류(One-class Classification) 기법이 효과적이며, 본 연구에서는 One-class Classification 기법을 적용한 시스템 진단 기술 개발에 집중함
◯ 시스템 진단을 위하여 사용될 수 있는 센서로는 진동, 소음, 온도, 습도 등이 있으며, 이러한 시계열 센서 데이터(Time-series Sensor Data)는 특징추출을 위하여 기존의 다양한 시계열 표현(Time-series Representation) 기법들을 비교 분석함
◯ 즉, 본 연구에서는 시계열 센서 데이터 전처리 기법과 One-class Classification 기법을 최적 결합한 고장 진단 및 예지 기술을 개발함
◯ 공개 데이터셋뿐 아니라, 실제 제조현장의 고장 데이터를 이용하여 개발 기술의 성능을 비교 평가함

□ 연구 목표대비 연구결과
단일 클래스 분류 기법을 이용한 센서 데이터 기반 고장 진단 및 예지 기술 개발을 위하여 필요한 아래 4개 과업을 성공적으로 수행하였음
(1) 멀티모달 센서 융합 (Multi-modal Sensor Fusion) 데이터 수집
◯ 제조설비로부터 고장 진단 및 예지에 필요한 다중 센서 데이터를 수집함
(2) 시계열 센서 데이터 특징추출 (time-series representation) 기반 데이터 전처리
◯ 10가지 통계적 지표(conditional indicator)를 비롯하여, Fast Fourier Transform(FFT), Wavelet 등 주파수 분해 기법, PAA, SAX 등 구간화 기법 등을 적용하여 비교 분석함
(3) 단일 클래스 분류(One-class Classification) 기반 실시간 시스템 모니터링
◯ 베어링의 결함에 따른 회전기기의 진동 데이터에 신호 처리 기법을 적용하여 특징을 추출하고, 단일 클래스 분류 기법을 이용해 기기의 이상을 진단함
◯ 단일 클래스 분류 기법으로 (1) 마할라노비스 거리 기반 이상 진단, (2) KDE(Kernel Density Estimation) 기반 이상 진단, (3) Isolation Forest 기반 이상 진단을 사용함
◯ 이중 클래스 분류 기법들을 성능 비교를 위하여 SVM, RF, DT, KNN, MLP를 사용
(4) 공개 데이터 및 현장 데이터 활용한 알고리즘 검증
◯ 실험 데이터로는 CWRU (Case Western Reserve University)의 베어링 실험 데이터셋와, 기업의 연삭기로부터 진동, 소음, 열화상 센서를 이용한 멀티모달 데이터셋을 이용함
◯ 단일 클래스 분류 기법들은 낮은 불균형도에서 이중 클래스 분류 기법과 비슷하거나 낮은 성능을 보이나, 높은 IR에서는 이중 클래스 분류 기법보다 매우 높은 성능을 보임

□ 연구개발결과의 중요성
◯ 산업 발전과 더불어 산업용 모터, 항공기 엔진, 풍력 발전기 등 장비가 더욱 고속화, 정밀화되고 있어서, 시스템 고장 감지 및 예지 기술은 산업 시스템의 생산성에 결정적인 영향을 미침
◯ 본 연구에서는 시스템 진단에 필요한 시계열 센서 데이터(Time-series Sensor Data)를 어떻게 특징추출하고 전처리하며, 고장 이력이 없더라도 이상징후를 발견하여 Alarm을 줄 수 있는 One-class Classification 기법 중에서 어떤 기법들을 시계열 센서 데이터와 결합하여 사용하는 것이 효과적인지에 관한 심도 있는 연구를 수행하였음
◯ 모터 기반 제조설비, 풍력발전 터빈, 항공기 엔진 등의 시스템 고장 진단 시장이 지속적으로 성장하고 있으며, Falkonry 등 One-class Classification 기술 보유한 해외 기업들이 국내 진출하고 있어서 국내 기술 경쟁력 확보에 도움이 될 것이라고 기대함
◯ 본 연구분석을 위하여 CWRU (Case Western Reserve University)의 베어링 공개 데이터셋 이외에도, ㈜워터웍스유진 제조기업의 연삭기로부터 진동, 소음, 열화상 센서를 이용한 멀티모달 데이터셋을 이용하여 현실적용성을 검증하였음

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 4
• 1. 연구개발과제의 개요 ... 5
• (1) 연구 목표 ... 5
• (2) 연구 내용 ... 5
• (3) 연구 필요성 ... 5
• 2. 연구수행내용 및 연구결과 ... 6
• (1) 멀티모달 센서 융합 (Multi-modal Sensor Fusion) 데이터 수집 ... 6
• (2) 시계열 센서 데이터 특징추출 (time-series representation) 기반 데이터 전처리 ... 7
• (3) 단일 클래스 분류(One-class Classification) 기반 실시간 시스템 모니터링 ... 7
• 3. 연구개발결과의 중요성 ... 14
• 4. 참고문헌 ... 15
• 5. 연구성과 ... 16
• 대표적 연구실적 ... 19
• 끝페이지 ... 27