생기원, AI로 제조설비 고장 징후 미리 찾는다
상태바
생기원, AI로 제조설비 고장 징후 미리 찾는다
  • 황민승 기자
  • 승인 2021.07.30 15:19
  • 댓글 0
이 기사를 공유합니다

포스텍과 ‘설명 가능 인공지능 기반 설비 고장 진단기술’ 공동 개발
생기원 윤종필 박사가 딥러닝 모델과 주파수 변화를 통해 설비의 고장 유무를 진단하고 있다 [사진=생기원]
생기원 윤종필 박사가 딥러닝 모델과 주파수 변화를 통해 설비의 고장 유무를 진단하고 있다 [사진=생기원]

인공지능(AI)을 활용해 제조설비의 고장을 일으킬 수 있는 이상징후를 사전에 찾아내 해결할 수 있는 기술이 개발됐다.

한국생산기술연구원은 포스텍과 함께 제조설비의 고장 징후를 AI 딥러닝 기술로 포착하고, 그 원인과 판단기준을 시각적으로 표현해주는 ‘설명 가능 AI 기반 설비 고장진단 기술’을 공동 개발했다고 30일 밝혔다.

제조현장을 위해 개발된 기존 AI 고장 진단기술은 설비가 현재 ‘정상 또는 고장’이라는 단순한 판정 정보만 제공할 뿐 고장 발생이 어떤 이유로 예측되는지에 대한 설명과 근거를 명확히 알려주지 못한다는 한계가 있었다.

이 같은 AI 동작 해석의 어려움으로 이른바 ‘블랙박스’로 불릴 만큼 진단기술에 대한 신뢰성과 활용도가 낮았다. 또한 고장 신호가 들어왔을 때 작업자가 그 원인을 파악하기 위해 다른 방법으로 재분석하거나 제조설비를 직접 살펴봐야해 번거롭고 시간도 오래 걸렸다.

이러한 문제점을 극복하고자 생기원 첨단메카트로닉스연구그룹 AI응용제조설비연구센터 윤종필 박사와 포스텍 전자전기공학과 박부견 교수, 김민수 학생연구원(박사과정)이 이끄는 공동연구팀은 설비에 부착된 다양한 센서로부터 획득한 시계열 진동신호를 이용하여 설비상태를 실시간 진단해주는 딥러닝 모델을 고안해냈다.

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

연구팀은 센서가 보내온 기초 시계열 진동신호들을 주파수 변환 작업 없이 그대로 입력값으로 활용하는 ‘단대단 모델(End-to-End Model)’을 적용해 진단시간을 크게 단축시켰고, 판정결과와 함께 원인 파악에 도움이 되는 주파수 특징도 제공함으로써 신뢰성과 활용도를 높였다.

특히 연구팀은 정상·고장 상태 분류에 대한 AI의 판단기준을 주파수 영역에서 시각화해 보여주는 ‘FG-CAM 알고리즘’ 개발 연구도 병행했다. 이 알고리즘은 딥러닝 모델이 제조데이터를 통해 스스로 기계 학습한 정상·고장 판단기준을 작업자가 이해하기 쉽게 주파수로 표현해 기존 기술로는 알기 어려웠던 AI의 동작 해석을 돕고 블랙박스 영역도 줄여준다.

이로 인해 작업자는 제조설비의 이상 징후가 포착되는 즉시 AI의 판단을 믿고 고장 진단을 신속하게 내릴 수 있게 됐으며, 그 원인 규명 작업도 보다 수월해졌다.

생기원 윤종필 박사는 “이번 연구성과는 생기원의 대표기술 ‘키테크(Key-tech)’ 중 하나로, 지난해 포항공대와 맺은 ‘AI 기반 제조혁신 업무협약’의 첫 성과”라며, “반복적 진동 신호를 얻을 수 있는 제조설비, 발전시설, 회전기기, 수송기기 등의 진단에 다양하게 활용 가능한 원천 플랫폼 기술로써 현재 부품제조기업과 실증사업을 추진 중에 있다”고 말했다.



댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
0 / 400
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.