이상치탐지를 활용한 기계시설물 고장 예지 센서 데이터의 고장진단

국문 초록 (Abstract)

고위험 대규모 작업장에서는 센서 데이터를 주기적으로 모니터링해야 할 뿐 아니라, IoT센서로부터 센싱된 데이터를 통해 상황을 미리 예측하여 제공하는 시스템이 필요하다. 각 산업 분야에서 축적되어온 데이터들을 활용하여 산업내 다양한 시스템을 효율적으로 발전시키기 위해 인공지능과 같은 방법론들을 활용하고 있다. 기계시설물 데이터는 기계의 정상 상태와 고장 상태에서 수집된 데이터들을 말하며, 이 데이터들은 기계학습을 통하여 현재 기계가 어떤 상태인지에 대한 예측 및 고장진단에 활용가능하다.
본 연구에서 사용하는 데이터는 대전광역시 도시철도공사의 각 역사에 설치된 기계장치의 진동 및 전류센서로부터 수집된 데이터를 이용하며, 주로 송풍 및 환기를 담당하는 기계장치의 모터에 대한 데이터로 모터의 상태 유형5종(정상상태, 베어링 불량, 회전체 불평형, 축정렬 불량, 벨트 느슨함)에 대한 진동과 전류 신호가 수집되어있다. 기계시설물의 모터가 고장나면 산업, 교통, 급배수, 소방 방재, 전력 계통 등 전체 시스템에도 악영향을 줄 수 있어 미리 고장을 예측하고 사전에 예방 할 수 있는 기술이 필요하다. 특히 기기 수명 예측이 제대로 안되면 본래 수명까지 사용하지 못하고 교체하여 불필요한 비용이 발생하게 된다. 따라서 정확한 수명 예측 및 고장 진단을 통하여 낭비되는 설비유지보수 비용을 절감할 수 있다. 본 연구의 목적은 머신러닝 및 딥러닝 알고리즘을 활용하여 기계시설물의 이상치 탐지를 통해 고장 상태를 예측하고 진단함으로써 담당기관에서 기계시설물에 관한 안정적인 운용계획을 수립하고 관리하는데 기여한다.
이를 통해 IoT를 활용한 역사의 설비고장 진단 및 예측을 위한 인공지능 시스템 구축에 기여할 수 있고, 시설물의 생애 주기 중 불필요한 유지 보수비 발생을 방지하는 등의 효과를 기대할 수 있다.