과 제 명 : 기계학습을 이용한 스마트 팩토리에서의 고장 예지 알고리즘 개발
지원사업 : 기초연구사업(중견연구)
지원기관 : 한국연구재단
연구기간 : 2017.03.01-2020.02.29
참여기관 : 부경대(주관)
- 고장 예지 및 건전성 관리 기술(PHM: prognostics and health management)이란 센서를 이용하여 시스템의 상태를 모니터링하고 고장의 징후를 포착하는 고장을 진단하고 잔여 유효 수명(RUL: remaining useful life)을 예측하여 시스템의 효과적인 건전성 관리가 이루어지도록 하는 기술을 말함
- 제조 산업뿐만 아니라 산업 전반에 걸쳐 장비나 시스템의 고장을 조기에 진단하고자 하는 시도는 지속적으로 이루어져 왔으며, 이를 통한 장비의 잔여 수명 예측으로 교체 시기와 비용 절감을 위한 노력이 계속되고 있음
- 그러나 이전의 연구에서는 기술적 제한으로 인해 공정(process) 단위의 진단 및 예측보다는 단위 장비 레벨의 진단에 초점을 맞추었으며, 이에 따라 더욱 복잡해지고 신뢰도가 필요한 최근 제조 산업에서 한계점에 봉착함
- 이러한 문제를 해결하기 위해 스마트 팩토리 전 공정의 건전성(결함 및 성능 저하)을 지속 관찰하고 이상 징후를 진단(Diagnosis)하고, 언제 고장 수준 또는 사용 불능에 도달할 지 사전에 고장 예지(Fault Prognosis)하고, 이를 기반으로 한 건전성 관리(Health Management) 기술에 대한 연구가 필요함
- 특히, 고장 진단에서 주로 사용하였던 경험 기반 방법(Experience-based Approach)이나 모델 기반 방법(Model-based Approach)으로는 시스템 변화에 유연하게 대처하기 힘들기 때문에, 기계 학습(Machine Learning)을 이용한 데이터 기반 방법(Data-driven Approach)의 고장 예지 알고리즘의 개발이 필요함
