초록 ▼

□ 연구개요
지속적인 기술 발달로 설비의 내부 프로세스가 더욱 고도화됨에 따라 불확실성과 복잡도가 증대되어 설비 이상의 가능성이 높아짐. 이러한 불확실성을 효과적으로 통제할 수 있는 설비 진단 시스템이 요구됨. 이에 설비 진단 시 내부 요소 간 복잡한 관계를 보다 정확하게 파악하고자 기계학습을 이용한 데이터 기반 방법 연구가 활발히 수행되고 있음. 현재 데이터 기반 건전성 예측 및 관리 방법들은 다음과 같은 한계점들을 가짐. 효과적인 상태 진단 및 예측 모델의 구축과 활용을 위해 요구되는 장기간‧대용량 데이터 수집은 현실적으로

□ 연구개요
지속적인 기술 발달로 설비의 내부 프로세스가 더욱 고도화됨에 따라 불확실성과 복잡도가 증대되어 설비 이상의 가능성이 높아짐. 이러한 불확실성을 효과적으로 통제할 수 있는 설비 진단 시스템이 요구됨. 이에 설비 진단 시 내부 요소 간 복잡한 관계를 보다 정확하게 파악하고자 기계학습을 이용한 데이터 기반 방법 연구가 활발히 수행되고 있음. 현재 데이터 기반 건전성 예측 및 관리 방법들은 다음과 같은 한계점들을 가짐. 효과적인 상태 진단 및 예측 모델의 구축과 활용을 위해 요구되는 장기간‧대용량 데이터 수집은 현실적으로 구축하기 어려움. 또한, 다양한 설비에서 수집되는 데이터가 상이하여 하나의 설비에 대해 학습한 진단 및 예측 모델을 다른 설비에 활용하기 어려움. 마지막으로, 실제 현장에서 수집된 설비 데이터셋은 불완전한 데이터셋인 경우가 많으며, 이에 대해 별도의 후처리를 수행하고자 할 경우에도 전문가들의 상이한 판단으로 인해 신뢰도가 낮음. 이를 해결하기 위해 본 연구진은 정확한 데이터 레이블링을 위한 비용 효과적 능동학습과 설비 범용적이며 소수의 데이터로도 빠른 적응이 가능하고 고장의 원인 진단이 가능한 X-META 알고리즘을 개발하고자 함.

□ 연구 목표대비 연구결과
우선 첫 번째 세부 목표인 설비별 대용량 데이터셋 구축을 위해 베어링 시뮬레이터를 설계 및 제작하고 이를 기반으로 다양한 설비 환경을 가정하여 설비별 대용량 진동 신호 데이터셋을 구축함. 다음으로, 데이터셋 품질 향상을 위해 진동 신호 특화 능동학습 기술과 레이블 품질 향상 기술, 결측값에 강건한 예측 기술 등을 개발하였으며 이는 기존 공개된 데이터셋 및 수집된 데이터셋의 품질 향상을 통해 활용도를 높일 수 있음. 세 번째 목표는 설비 범용적 건전성 예측 및 관리에 적합한 특징을 추출하기 위해 가시성 알고리즘 기반 특징 추출 기술을 통해 설비 데이터에 대한 새로운 특징을 제안하였으며, 설비 간 유사도 기반 예측 기술, 클래스 일관성이 고려된 표현학습 기술을 기반으로 특징 추출의 효율성 개선과 데이터 간 유사도 반영을 가능케 하여 기존 시계열 데이터 특징 추출 방법들보다 효과적인 특징을 추출하여 보다 정확한 건전성 예측 및 관리를 가능케 함. 다음으로, 다양한 설비의 건전성 예측 및 관리를 위한 범용화 기술 개발을 위해 메타러닝 기반 멀티태스크 러닝 기술과 주파수의 상 정보 기반 설비 범용화 기술을 제안하여 실제 현장에서 수집되는 소수의 데이터만으로도 우수한 건전성 예측 및 관리 성능을 달성함. 마지막으로, 안전성 및 투명성 확보를 위한 건전성 예측 및 관리 기술 개발을 위해 오픈셋 기반 앙상블 고장 진단 기술과 어텐션 메커니즘 기반의 설명 가능한 메타 고장진단 기술을 개발함. 이를 통해 설비의 다양한 고장 유형에 대한 범용성을 개선하고 설명력을 기반으로 결과에 대한 신뢰성을 확보하였음. 본 과제는 총 다섯 단계의 추진 목표를 통해 다양한 설비에 대해 범용적으로 적용 가능한 X-META 기반 건전성 예측 및 관리 기술을 개발함.

□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
본 연구진은 설비 범용적 건전성 예측 및 관리를 위해 약 1,000가지의 설비 환경을 가정하여 400GB 용량의 대용량 데이터셋을 구축함. 구축된 데이터셋은 중소기업에서의 설비 건전성 예측 및 관리 시스템의 도입을 용이하게 하여 생산성 및 안정성 향상을 통한 역량 강화가 가능함. 더불어 본 연구과제의 목표 달성을 위해 다수의 기계학습 기반 기술을 개발함. 첫째, 데이터셋 품질 향상을 위해 시계열 특화 능동학습 기술, 레이블 품질 향상 기술 등을 포함한 전처리 관련 기술을 총 5건 개발함. 이는 산업 현장에서 데이터 기반 건전성 예측 및 관리 기술 적용 시 발생되는 여러 문제를 완화 혹은 해결할 수 있음. 둘째, 설비 범용적 건전성 예측 및 관리에 적합한 특징을 학습하기 위해 진동 신호에 활용될 수 있는 다양한 관점에서의 특징 추출 기술 5건을 개발함. 이는 진동 신호에 내재된 고유정보를 보다 정확하게 파악할 수 있어 정밀한 건전성 예측 및 관리가 가능함. 셋째, 다양한 설비에 범용적으로 적용 가능한 건전성 예측 및 관리를 하기 위해 설비 범용화 기술 2건을 개발함. 이는 설비별로 상이한 데이터를 하나의 모델을 통해 분석 가능하게 하며, 설비별 모델을 구축하는 데 필요로하는 비용, 시간 등을 최소화할 수 있음. 마지막으로 건전성 예측 및 관리 결과에 대한 안정성 및 투명성 확보를 위해 건전성 예측 및 관리 기술을 총 6건 개발함. 이는 설비에 대한 건전성 예측 및 관리 결과에 대한 설명력을 제공하여 적절한 의사결정을 가능케 함. 본 연구과제를 통해 개발된 모든 기술은 국내외 저명 학술대회 및 학술지를 통해 공유되어, 건전성 예측 및 관리뿐만 아니라 기계학습 관련 연구 분야의 활성화 및 발전에 기여할 수 있을 것으로 기대됨.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 1) 연구의 필요성 ... 4
• 2) 연구의 목표 및 내용 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 4
• 1) 설비 범용적 건전성 예측 및 관리를 위한 설비별 데이터셋 구축 ... 4
• 2) 데이터셋 품질 향상을 위한 전처리 기술 개발 ... 5
• 3) 설비 범용적 건전성 예측 및 관리에 적합한 특징 추출 기술 개발 ... 6
• 4) 다양한 설비의 건전성 예측 및 관리를 위한 범용화 기술 개발 ... 6
• 5) 안정성 및 투명성 확보를 위한 건전성 예측 및 관리 기술 개발 ... 6
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 7
• 1) 정성적 연구개발성과(연구개발결과) ... 7
• 2) 세부 정량적 연구개발성과 ... 11
• 3) 목표 달성 수준 ... 12
• 4) 목표 미달 시 원인 분석 ... 13
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 13
• 5. 연구개발성과의 관리 및 활용 계획 ... 13
• 1) 성과 관리 ... 13
• 2) 활용계획 ... 13
• 6. 자체점검표 ... 14
• 7. 참고문헌 ... 14
• 붙임1. 세부 정량적 연구개발성과 ... 18
• 붙임2. 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 22
• 끝페이지 ... 33