제조설비 고장 진단, 딥러닝 기술로 주파수 분석해 한번에

글자 작게 글자 크게 인쇄하기
생기원 윤종필 박사가 개발한 딥러닝 모델과주파수 변화를 통해 설비의 고장 유무를 진단하고 있다.
<생기원 윤종필 박사가 개발한 딥러닝 모델과주파수 변화를 통해 설비의 고장 유무를 진단하고 있다.>

한국생산기술연구원(원장 이낙규)은 포항공대(총장 김무환)와 함께 제조설비의 고장 징후를 딥러닝 기술로 포착하고 그 원인과 판단기준을 시각적으로 표현해줄 수 있는 '설명 가능 인공지능(AI) 기반 설비 고장 진단기술'을 개발했다고 29일 밝혔다.

기존 AI 고장 진단기술은 '정상 또는 고장'이라는 단순한 판정 정보만 제공할 뿐, 고장 발생이 어떤 이유로 예측됐지 설명과 근거를 제공해주지 못했다.

진단기술 신뢰성과 활용도가 낮았다. 또 원인을 파악하기 위해서는 제조설비를 직접 살펴봐야해 번거로웠고 시간도 오래 걸렸다.

생기원 첨단메카트로닉스연구그룹 AI 응용제조설비연구센터의 윤종필 박사와 박부견 포항공대 전자전기공학과 교수, 김민수 학생연구원(박사과정) 등 공동연구팀은 설비에 부착된 다양한 센서로부터 획득한 시계열 진동신호를 이용해 설비상태를 실시간 진단해주는 딥러닝 모델을 고안해냈다.

대다수 핵심 제조설비들은 일정한 진동을 발생시키는 반복 공정을 수행하기 때문에 주파수의 변화로부터 고장 징후를 발견할 수 있다. 고안된 딥러닝 모델은 진동이 일정할 때는 '정상'으로, 주파수가 어긋나거나 흐름이 갑자기 바뀌었을 땐 '고장'으로 판정한다.

연구팀은 센서가 보내온 기초 시계열 진동신호들을 주파수 변환 작업 없이 그대로 입력값으로 활용하는 'end-to-end 모델'을 적용해 진단시간을 크게 단축시켰고, 판정결과와 함께 그 원인 파악에 도움이 되는 주파수 특징도 제공함으로써 신뢰성과 활용도를 높였다.

연구팀은 정상, 고장 상태 분류에 대한 AI 판단기준을 주파수 영역에서 시각화해 보여주는 'FG-CAM 알고리즘' 개발 연구도 병행했다.

윤종필 박사는 “생기원 대표기술 '키테크' 중 하나로, 생기원과 포항공대가 2020년 7월 맺은 'AI 기반 제조혁신 업무협약' 첫 성과”라며, “반복적인 진동 신호를 얻을 수 있는 제조설비, 발전시설, 회전기기, 수송기기 등의 진단에 다양하게 활용 가능한 원천 플랫폼 기술로써 현재 부품제조기업과 실증사업도 추진 중”이라고 말했다.

이번 성과는 2021년 6월 산업 AI 분야 저널인 'IEEE 산업정보학학회 논문지'에 게재됐다.

대전=김영준기자 kyj85@etnews.com