1. 수행배경

• 실제 공정에서는 통제 가능한 요인에 의한 공정의 이상 상태의 발생, 통제 불가능한 요인에 의한 공정의 이상 상태가 발생합니다.
  통제 가능한 요인은 실제 기계의 고장으로 인한 이상 상태이며, 이는 빈번하게 일어나지 않는 요인입니다. 반면에 통제 불가능한 요인은 공정의 정상 상태에서 일어나는 요인으로써 통제 불가능한 요인으로 인해 공정을 멈추게 된다면, 공정의 관리자는 시간과 유지 비용의 손해를 일으키며, 기계의 가용성이 떨어지게 됩니다.

 

• 베어링은 실제 공정의 기계 고장 약 40%를 차지하는 부품이다. 우리는 베어링으로부터 sensor를 통해 얻어지는 Vibration, Acoustic signal data를 활용해 signal data만으로 베어링의 정상-이상 상태를 탐지하는 모델을 만들고자 하였다. 공정을 정지시키고 물리적으로 부품을 해당 domain 전문가가 확인해보지 않더라도 부품으로부터 얻어지는 signal data만을 사용하여 상태를 판단할 수 있는 것이 목표이다.

 

• 이와 같은 signal 기반의 상태 판단이 가능해진다면 불필요한 기계 정비 시간을 줄임으로써 공정 가용성을 높일 수 있고, 작업자에게 유용한 정보를 제공할 수 있다. 또한, 조기에 이상 상태를 탐지함으로써 예방 보전(preventive maintenance)이 용이해진다.

 

2. 수행기간

 

​

​

3. 개발작품 설명

 

공정의 정상 상태와, 이상 상태를 탐지 하기 위해 Bearing Simulator에서 수집된 2-Channel(진동, 소리) Signal Data로부터 공정 이상 탐지에 효과적인 특징을 추출하고자 하였다. 

 

본 프로젝트가 목표하는 것은 정상상태의 data만을 사용해, 정상과 이상을 구별하는 이상치 탐지 모델을 개발하는 것이다.

 

1) 특징 추출 (Feature Extraction)

 

이미지, 비디오 데이터 처리에 널리 사용되는 Convolutional Neural Network는 데이터로부터 내재된 패턴을 추출하는데 효과적인 방법이다.

Auto-Encoder는 데이터를 복원하는 방식으로 학습하는 비지도학습기반의 차원 축소 방법이다.

두 가지 인공신경망 방법론을 결합해 signal의 내재된 패턴을 추출하면서 label이 하나뿐인(정상 데이터만 존재) 경우에 signal로부터 효과적인 특징을 추출할 수 있을것으로 기대했다.

 

CNN_AE란, CNN과 Auto-Encoder를 합친 인공 신경망으로써 Input과 Output의 Reconstruction error를 줄이면서 학습한다.

학습이 잘 이루어진다면 latent variable은 input data(signal)의 정보를 잘 표현하는 값이라고 할 수 있다.

 

2) 정상-이상 탐지 

 

SPC(Statistical Process Control) 방법론 중 하나인 관리도(Control Chart)를 사용해 이상 여부를 탐지하고자 하였다.

Hotelling T square Control Chart를 활용해 변수들 간의 선형 상관성을 반영하고,

EWMA Control Chart이 시계열성을 반영하는 특성을 둘 다 응용하기 위해

Multivariate EWMA라는 Control Chart를 사용했다.

 

즉 우리는 CNN_AE라는 인공신경망 특징 추출 기법을 활용해 raw signal로부터 특징을 추출하였고,

Multivariate Control Chart과 추출된 특징으로 베어링의 정상-이상 상태를 탐지하는 실험을 진행하였습니다.

 

4. 활용방안

 

실제 공정에서는 이상 상태에 비해 정상상태가 월등히 많기 때문에 매우 불균형한 공정 데이터가 발생하는 것이 매우 흔한 일입니다.

따라서 불가피하게 이상 상태에 대한 데이터가 부족하기 때문에 이상 상태 탐지는 매우 어려운 문제입니다.

 

정상 데이터만을 사용해 이상 상태를 탐지함으로써 

 

1) 기계 정비 시간 감소시킴으로써 기계 가용성 증가

2) 해당 기계 작업자에게 작업에 유용한 정보를 제공

3) 불필요한 공정 비용 감소

4) 대규모 인명 피해 방지

5) 일반적으로 예측할 수 없는 고장 발생을 조기에 인지

 

와 같은 이익을 창출할 수 있다.