1. 수행배경

• 공정의 상태 기반 유지 및 보수하기 위해 data-driven outlier detection기법을 사용해 bearing 이상상태를 탐지하고자함
• bearing의 이상상태를 탐지함으로써 공정의 유지 및 보수 비용을 절감할 수 있음

2. 수행기간

• 2021-03-02~2021-06-05

3. 개발작품 설명

• 기존의 특징 추출 기법과 다르게 CNN과 Auto-Encoder라는 machine learning 기법을 사용해 signal data로부터 특징 추출
• t square 관리도와 EWMA 관리도를 활용해 시계열 데이터로부터 이상 상태 탐지 모델 제시

4. 활용방안

• 시계열 센서 데이터를 활용해 공정의 이상 상태를 탐지함
• 이상 상태를 빠르고 정확하게 탐지할 수 있다면 이는 engineer에게 매우 큰 도움이 될 수 있음
• 또한, 이는 공정 전반적인 비용 절감의 효과를 얻을 것으로 보임