초록 ▼

□ 연구개요
본 연구는 “스마트팩토리 예지보전을 위한 협력 디바이스의 고장 상황인지 프레임워크 및 검증 도구 개발”을 목표로 한다. 스마트팩토리는 수요를 예측하여 생산량을 결정하고, 제품을 불량이나 생산의 중단 없이 원하는 목표만큼 생산할 수 있도록, 설비에 대한 상태, 결함, 그리고 고장을 정확하게 예측할 수 있어야 한다. 따라서 본 연구는 스마트팩토리 예지보전 요구사항 도출 및 컨텍스트 모델링 → 디바이스 로그데이터 생명주기 기반 수집/정제/분석 프레임워크 개발 → 딥러닝 기반 학습 모델 구축 및 테스팅 도구 개발을 진행한

□ 연구개요
본 연구는 “스마트팩토리 예지보전을 위한 협력 디바이스의 고장 상황인지 프레임워크 및 검증 도구 개발”을 목표로 한다. 스마트팩토리는 수요를 예측하여 생산량을 결정하고, 제품을 불량이나 생산의 중단 없이 원하는 목표만큼 생산할 수 있도록, 설비에 대한 상태, 결함, 그리고 고장을 정확하게 예측할 수 있어야 한다. 따라서 본 연구는 스마트팩토리 예지보전 요구사항 도출 및 컨텍스트 모델링 → 디바이스 로그데이터 생명주기 기반 수집/정제/분석 프레임워크 개발 → 딥러닝 기반 학습 모델 구축 및 테스팅 도구 개발을 진행한다.

□ 연구 목표대비 연구결과
목표 1. 스마트팩토리 협력 디바이스의 상태/동작 기반 복합 컨텍스트 모델링: 단일 디바이스의 상태 및 동작을 판단할 수 있으며, 여러 디바이스가 결합하여 발현되는 상황을 정확하게 분석할 수 있는 컨텍스트 모델 구축을 목표로 연구하였다. 우선 협동 로봇의 고장모드별 예지보전을 위한 요구사항을 도출하고, 단일 협동 로봇의 상태/동작 모델 구축 및 결함의 원인 진단에 유효한 데이터 및 이벤트를 정의하였다. 그다음 상태/동작 모델 기반 단일 협동 로봇의 컨텍스트를 정의하고, 생산 프로세스 중심 디바이스 간 협력 프로토콜을 설계하였다.
목표 2. 디바이스 로그 빅데이터 수집/정제/분석 프레임워크 개발: 협력 디바이스에서 생성되는 로그 데이터의 주기적인 수집, 정제(중복 제거, 이벤트 중심 실행 구간분할, 컨텍스트 매칭 등), 연계되는 분석(통계 메트릭, 기계학습 및 딥러닝 알고리즘 등) 라이브러리를 탑재한 빅데이터 처리 프레임워크를 개발하였다.
목표 3. 통계 분석 기반 이상(Anomaly) 상태/동작 패턴 검출 기법 개발: 단위 컨텍스트별 분석 데이터를 생성하고, 동일 컨텍스트에 대한 대표 패턴을 추출하여 대표패턴 대비 임계치를 벗어나는 구간을 검출해야 할 이상(Anomaly) 구간으로 정의하였다. 디바이스 상태/동작 모델을 기반으로 고장 진단을 위한 최소 분석 단위를 정의하고, 최소 분석 단위별 RMS, Correlation 등 통계 기반 이상 패턴을 검출하였다.
목표 4. 딥러닝 기반 협력 디바이스 고장 진단/예측 모델 개발: 통계 분석을 통해 획득한 이상 상태/동작 패턴 데이터를 기반으로, 협력 디바이스의 고장 진단/예측을 위한 학습(딥러닝) 모델을 개발하는 것을 목표로 연구를 진행하였다. 협력 디바이스의 고장 사례, 데이터를 수집하여 레이블이 구축된 학습 데이터 셋을 생성하고, 이상패턴 데이터를 입력으로 하는 고장 진단/예측 모델을 학습하였다. CNN, CAE, LSTM 등의 모델을 사용하여 고장 검출에 대한 90% 이상의 정확도를 확보하였다.
목표 5. 고장 진단/예측 학습 모델 테스팅 기법 및 도구 개발: 학습에 활용된 이상패턴 데이터의 발생 빈도를 고려하여 개발된 컨텍스트 모델 기반의 테스트 시나리오를 생성하고, 고장 위험 구간을 기반으로 한 모의 결함을 주입할 수 있는 테스팅 도구를 개발하였다. 과부하, 동작 경로 이상을 의도적으로 부과하여 디바이스의 동작에 이상을 발생시켰으며, 개발된 로그 빅데이터 수집/정제/분석 프레임워크 및 이상/고장 진단 기법 및 모델을 통해 테스팅할 수 있는 도구를 개발하였다.

□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
본 연구는 스마트팩토리 예지보전을 위해 협력 디바이스에서 수집할 수 있는 센서 데이터 및 구동 관련 이벤트로부터 고장 상황을 인지할 수 있는 프레임워크 및 검증도구를 개발하고, 통계/학습 기반의 이상/결함 검출을 수행할 수 있는 기반을 마련한다. 이를 이용하여 단일 디바이스와 부품 단위의 이상/결함을 검출할 뿐만 아니라 기바이스간 협력을 수행하는 복합 상황에서 발생할 수 있는 고장에 대해서도 진단할 수 있다. 본 연구를 발전시켜 스마트팩토리 외에도 다양한 디바이스들에 더해 작업자와 협력을 수행하는 환경에 적용할 수 있다면, 디아비스들의 이상을 사전에 감지하여 작업자의 안전과 고장 예방을 통해 협력 작업의 효율을 증대시킬 수 있다.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 가. 연구의 필요성 ... 4
• 나. 연구의 목표 및 범위 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
• 2.1. 1차년도: “스마트팩토리 예지보전 요구사항 도출 및 컨텍스트 모델링” 연구수행내용 ... 6
• 2.2. 2차년도: “디바이스 로그 데이터 생명주시 기반 수집/정제/분석 프레임워크” 연구수행내용 ... 8
• 2.3. 3차년도: “딥러닝 기반 고장 진단/예측 모델 및 테스팅 도구 개발” 연구수행내용 ... 10
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 14
• 1) 정성적 연구개발성과(연구개발결과) ... 14
• 2) 세부 정량적 연구개발성과 ... 15
• 3) 목표 달성 수준 ... 15
• 4) 목표 미달 시 원인 분석 ... 16
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 17
• 5. 연구개발성과의 관리 및 활용 계획 ... 17
• 6. 자체점검표 ... 18
• 7. 참고문헌 ... 18
• 붙임1. 세부 정량적 연구개발성과 ... 20
• 붙임2. 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 26
• 끝페이지 ... 36