산업현장에서의 기기 결함은 불량 발생으로 인한 비용 손실뿐만 아니라 작업자의 안전까지 위협할 수 있어 기기 결함의 사전 탐지와 관리는 매우 중요하다. 산업 현장에서 흔히 사용되고 있는 회전기기의 결함을 스스로 탐지하고 추적하는 인공 지능 기술이 개발돼 스마트 팩토리에 활용할 수 있을 것으로 보인다.

 

우리 학회 회원인 POSTECH 기계공학과 이승철 교수·통합과정 김태완 씨 연구팀이 회전기기의 결함을 다양한 운전 조건에서도 스스로 탐지하고 추적하는 인공지능 기술을 개발했다. 이 연구 성과는 컴퓨터과학·산업공학 분야권위지인 ‘국제전기전자기술자협회 산업정보학학회 논문지(IEEE Transactions on Industrial Informatics)’에 게재됐다.

 

회전기기는 다양한 산업에서 꼭 필요한 핵심적인 장치로 제조 공장, 발전소뿐만 아니라 자동차, 항공기 등 수많은 산업 분야에 사용되고 있다. 회전기기의 결함은 치명적인 비용 손실과 안전 문제로 나타나며, 이를 사전에 방지하기 위해 회전기기의 결함을 진단하는 연구들이 많이 진행됐다.

 

지금까지 다양한 결함 종류에 대한 물리적인 이해와 실험을 통해 회전기기의 결함 특성을 찾아, 이를 결함 탐지에 활용해 왔으며, 최근에는 인공지능 기술이 결함 탐지에 활용되어 우수한 결과들을 보여 왔다. 그러나 이런 방법들은 실제 고장 데이터 확보가 필요하며 지속해서 변화하는 운전 환경을 잘 반영하지 못한다는 한계가 있다.

 

연구팀이 개발한 결함 탐지 및 추적 인공지능 모델은 기존 회전기기 진단의 한계점을 비지도 학습을 통해 극복했다. 오토인코더(Autoencoder) 기반의 인공지능 모델을 통해 회전기기로부터 측정되는 신호를 압축하고, 압축된 신호 간 유사도를 계산하는 방식을 통해 서로 다른 유형의 결함을 식별하고 추적할 수 있도록 하였다. 이 기술은 작동 조건이 다른 환경에서도 회전기기의 결함 유무 및 결함 종류를 정확하게 탐지하고, 특히 회전기기의 회전 속도가 50% 이상 차이가 날 때에 대해서도 효과적으로 결함을 탐지할 수 있다.

이승철 교수는 “이번 연구 결과는 최근 산업계에서 주목받는 ‘스마트 팩토리’에 적용될 수 있는 기술로, 공장에서 쏟아져 나오는 수많은 데이터를 인간의 개입 없이 비지도 학습을 통해 처리할 수 있으며, 장비, 시스템의 상태를 감시하고 건강 상태를 추적하고, 이를 바탕으로 최적의 유지·보수 전략을 결정하는 데 사용할 수 있다”고 말했다

 

한편, 이 연구는 민군기술협력사업, 한국에너지기술평가원, 그리고 케이-클라우드(K-CLOUD) 사업의 지원으로 이뤄졌다.

 

■ 논문 설명

*제목: A Novel Unsupervised Clustering and Domain Adaptation Framework for Rotating Machinery Fault Diagnosis

*URL: https://doi.org/10.1109/TII.2022.3228395

 

-출처: POSTECH 연구성과