본 기술은 공기조화기가 운용되는 기계실 환경에서 측정된 음향신호로부터 특징 추출 및 기계학습 모델링을 통해 전동기의 고장 발생을 판별하는 AI(인공지능) 응용 솔루션 기술이다.
- 목적: 본 기술은 인공지능 기술을 기계 고장진단 수행 분야에 접목하여 실용화할 수 있도록, 음향신호 데이터에 대한 특성 분석 및 사전훈련된 학습모델 적용을 통한 판별 결과 제시 등의 기능을 제공하는 것을 목적으로 한다.
- 필요성:
? 기계설비를 구성하는 부품들이 마모, 피로, 부식 등에 의해 기능이 점차 저하되거나 외적인 요건들(예: 충격, 파손, 변형)에 의하여 비정상적으로 가동될 경우, 이로 인한 불량률 발생, 비용 손실 및 인명 사고 등으로 이어질 수 있기 때문에, 신속하면서도 정확하게 고장진단을 수행할 수 있는 방안이 요구되고 있다.
? 종래에는 기계의 고장 발생 여부를 판단하기 위해 특정 기계 시스템에 대한 복잡한 수학적 모델링 해석 절차를 수행하거나, 물리/화학적 변화(소음, 진동, 발열 등)를 수작업으로 측정하여 기존 경험에 기초한 임계값과 비교하는 과정을 거쳐야 했다.
? 최근에는 사물인터넷(IoT) 센서에서 측정된 대량의 데이터에 기반하여 학습모델 기반의 고장진단을 수행하는 접근방안이 주목받기 시작하면서 해당 기술 수요가 증가하고 있지만, 고장진단을 위한 학습모델을 훈련하고 이에 필요한 신호 데이터의 특징을 분석하는 데 필요한 일련의 기능을 제공할 수 있는 맞춤형 응용 솔루션 개발 및 상용 제품 출시는 미흡한 상황이다.
? 본 기술은 상기의 문제점을 해결하기 위해, 공기조화기의 전동기가 운행하면서 발생하는 음향신호와 인공지능 학습모델을 이용하여, 해당 기계의 이상 발생을 판별하기 위한 일련의 기능을 제공하는 도구로 활용될 수 있다.
- 기계실 공조설비의 동작 상태를 고려한 학습모델 기반 진단 자동화 수행 지원
- 센싱 신호에 대한 특징벡터 변환을 위한 파라미터 조정 용이
- 특정 기계학습 알고리즘에 종속되지 않는 처리흐름 구조 채택
- NVIDIA 젯슨 나노 개발자 키트(Jetson Nano Developer Kit)를 이용한 현장 운용 가능
o 기술명 : 공기조화기의 전동기 이상음 감지 솔루션 (AHU-MADS)
- 공기조화기가 운용되는 기계실에서 측정된 음향신호로부터 기계학습 모델링에 적합한 특징을 추출하고 학습모델을 훈련하는 기술
- 생성된 학습모델을 이용하여 공기조화기 전동기의 상태(예: 정상 또는 비정상)를 판별하는 기술
o 기술명 : 공기조화기의 전동기 이상음 감지 솔루션 (AHU-MADS)
- AHU-MADS 요구사항 정의서
- AHU-MADS 시험절차 및 결과서
- 기술문서(TM) 1건
- 공기조화기 전동기 이상음 감지 솔루션(SW)
- 본 기술은 센싱 신호 특징 추출 및 기계학습 모델링 서빙에 대한 기능을, 로컬 PC 서버 및 온라인 클라우드 서비스를 비롯하여 경량 디바이스(예: 젯슨 나노 개발자 키트) 등 다양한 연산 환경 상에서 실행되는 응용 소프트웨어로 활용 가능함
- 본 기술의 주요 수요처는 제조 및 운송 산업을 비롯하여 다양한 회전 기계설비에 대한 상태 감시 자동화 및 안전관리 서비스를 수행하는 업체임
- 본 기술은 센싱 신호로부터의 특징 추출, 학습모델 로딩, 이상 판별 수행에 관한 연구결과물을 기술문서 및 프로그램 형태로 업체에게 이전 제공하며, 본 기술을 전수받는 업체는 본 기술을 조정 또는 확장하여 해당 수요처에 최적화된 방식으로 활용 가능