::고려대학교 DMQA 연구실::

Lab. Activity

 

 

 

Lab. Activity>Conference Review  

2017 PHMAP - 곽민구

작성자 곽민구 작성일 2017-07-16 오후 6:31:57
내용

제주도에서 열린 Asia Pacific Conference of the Prognostics and Health Management Society (PHMAP)에 이틀간 참석하였다. PHM은 기계의 시스템과 부품의 상태를 실시간으로 모니터링하여 미래의 고장을 예측하는 학문이다. 기계공학에서 전통적으로는 공식과 모델을 기반으로한 PHM이 수행되다가 데이터마이닝 및 기계학습이 발전함에 따라 이를 PHM에 적용하는 연구가 많이 이루어지고 있다고 한다. 이번 학회를 통해 상세한 모델링 기법을 알아가는 것보다는 PHM 분야에서 다루는 문제 상황과 이를 해결하기 위해 연구자들이 어떤 방법을 사용하는지에 중점을 두고 청취하였다.

Prognostic 관련 발표에서는 베어링과 리튬 이온 배터리의 Remaining Useful Life (RUL)을 예측하는 주제가 가장 많이 보였다. 배터리의 경우 state of capacitystate of health 2가지 종류의 문제 상황이 있다. 두 가지의 경우 모두 직접적인 실시간 측정이 불가능하기 때문에 robust prognostics approach가 필요하다. 배터리의 경우 vibration acceleration signal을 사용하여 베어링의 상태를 모니터링하고 RUL을 예측하고자 하는 주제가 많았다. 2가지 경우 모두 signal data로부터 Root Mean Square, Kurtosis, Skewness 등 여러가지 변수들을 생성하여 예측모델을 구축하는 접근방법을 취하는 경우가 많았다.

‘A reliable technique for RUL estimation of rolling element bearings using dynamic regression models’ 발표가 개인적으로 인상 깊었다. Signal Data에서 변수를 추출하여 예측모델을 구축할 경우 문제가 되는 부분이 미래의 signal 값을 모르기 때문에 test data의 변수를 추출할 수 없다는 것이다. Regression model을 반복적으로 업데이트 하면서 회귀계수를 추정하고 설명변수를 cycle로 설정하는 접근방법으로 이 문제를 해결하였다. 이러한 방법으로 threshold를 넘어가는 cycle point를 예측하여 RUL을 구할 수 있다. 아쉬웠던 점은 RMS 값만을 설명변수로 사용하여 단변량 회귀모델을 구축하였다는 것이었다. 이는 다른 발표에서도 공통적으로 아쉬웠던 점이었으며, 데이터마이닝을 전공으로 하는 연구자들이 PHM 분야에서 가질 수 있는 강점이 될 수 있다는 생각이 들었다.

학회 발표를 들으면서 PHM 연구자들이 중요하게 생각하는 것 중 하나가 고장에 대한 진단이라는 느낌을 많이 받았다. Prognostic 세션 중에서도 가장 많이 들었던 질문이 고장에 대한 원인 (Diagnostic) 변수에 관한 것이었다. 기계공학과 관련이 많은 분야인 만큼, 기계와 부품을 모니터링해서 고장을 예측하더라도 결국에는 적절한 조치를 취해서 시스템을 안정화시키는 것이 중요한 목표이다. 이러한 맥락에서 PHM 분야에 데이터마이닝 모델을 적용할 때 확실한 강점을 가지기 위해서는 변수를 선택하거나 중요 변수를 파악할 수 있는 알고리즘을 사용하는 것이 유리할 것이라는 생각이 들었다.

 




이전글
다음글

(136-713) 서울시 성북구 안암로145 고려대학교 자연계캠퍼스 신공학관 211호 | TEL.02-3290-3769
고려대학교 산업경영공학과 데이터마이닝 및 품질애널리틱스 연구실. All Right Reserved. 개인정보처리방침