● 본 기술은 차량으로부터 수집되는 데이터들과 고장들 간의 복잡한 상관관계를 분석하는 기법으로 인공신경망과 클러스터링 기법을 통하여 고장의 발생 확률을 구하고 위험도가 높은 고장에 대한 효율적인 회귀분석을 통해 추이변화를 예측하며 차량 상태를 모니터링 할 수 있음
● 111개의 차량 데이터 중 임계값이 명확하고 고장에 대한 연관성들이 각각 밝혀진 주요 데이터 10개를 선별
● 제동장치 이상, 운행 중 시동 꺼짐, 엔진 출력 저하 등 복합적인 원인에 의한 10가지 주요 고장유형 도출
● 서로 다른 단위와 범위를 가지는 차량 데이터는 각각 임계값에 맞게 정규화 되거나 클러스터 좌표로 변환하는 전처리 과정을 실행하여 다중 신경망을 통한 고장 발생 확률을 예측하고, 차량 데이터의 집중현상을 분석하는 기법을 이용하여 현재 차량의 정상/이상 상태를 판단
● 차량 이상 데이터에 대한 지속적인 모니터링뿐만 아니라 고장 발생확률이 높은 고장에 대한 회귀분석을 통해 고장 발생 시기를 정확히 예측함으로써 안전한 차량 운행과 고장에 대한 예방 조치를 위한 중요한 정보를 제공할 수 있음
● 현재 서비스되고 있는 원격 차량 진단 시스템과 차량 정보 제공시스템은 단순한 센서의 측정값을 통해 차량 내 세부 장치의 고장 상태를 제공할 뿐 고장에 대한 예측 정보는 제공하지 못함
● 차량 이상상태 모니터링 서비스의 경우 차량의 단일장치에 의한 이상상태를 측정하여 서비스하는 것으로 차량 장치의 복합적인 원인에 의한 이상상태 모니터링을 효율적으로 하는 기술이 필요한 실정
● 인공 신경망 기술을 적용하여 고장에 대한 학습을 통해 위험도를 예측하며, 중요한 정보에 대해서는 회귀분석을 통해 추이변화를 분석하여 언제쯤 차량 고장이 발생할 수 있을지 예측 할 수 있음
● 차량의 복합적 연관관계를 포함하는 차량의 이상상태 모니터링을 위해 데이터마이닝 기술 중 클러스터링 기법을 이용하면 차량 데이터와 이상 상태의 관계를 고려하면서 복잡한 연산을 거치지 않고 실시간으로 차량 이상을 모니터링 할 수 있음
● 기술 이전 기술(“차량 센서 값의 데이터 마이닝을 통한 고장예측 기술”)은 차량으로부터 수집한 센서 데이터들을 기반으로 다양한 데이터마이닝 기법을 적용하여 차량이 어떤 상태인지를 판단하고 모니터링 하여 고장에 대한 위험도를 예측할 뿐만 아니라 고장 발생 시점을 예측하여 운전자와 관리자가 신속하게 차량의 이상상태를 대처할 수 있도록 고장에 대한 상세 정보를 제공하는 기술 개발이 목적
- 차량 센서 데이터를 활용한 복합 고장 예지 기술
● 요구사항 정의서
● 시험 절차서/결과서
● 소스 프로그램
- 실시간 차량 데이터기반 고장 분석 및 관리 기술
● 요구사항 정의서
● 기본 설계서
● 상세 설계서
● 시험 절차서/결과서
● 소스 프로그램
- 모바일 차량 진단
- 원격 차량 관리
- 실시간 차량 정보시스템
- 차량 고장 예측 및 정비 시스템
- 물류 연계 서비스
- 운전자 관리 시스템
- 에코드라이빙
- 내비게이션
- 텔레매틱스 시스템