[테크월드뉴스=방제일 기자] 우리 몸에 이상이 생기면 발열이나 통증이 나타나듯, 제조 설비도 고장이 발생하기 전 비정상적인 진동, 소음, 과열과 같은 이상 징후를 먼저 드러낸다.
하지만 현장 작업자가 이런 징후를 미리 알아채기 쉽지 않고, 설령 인지하더라도 사람이 고장 가능성을 자체 판단해 사전에 대응한다는 것은 현실적으로 어려운 실정이다.
특히 자동화설비에 크게 의존하는 제조현장의 경우, 갑작스런 설비 고장은 조업에 매우 치명적이며 그 과정에서 결함 있는 제품이 출하되면 소비자의 안전까지도 위협할 수 있다.
한국생산기술연구원이 포항공과대학교와 함께 제조설비의 고장 징후를 딥러닝 기술로 포착하고 그 원인과 판단기준을 시각적으로 표현해줄 수 있는 ‘설명 가능 인공지능(AI) 기반의 설비 고장 진단기술’을 공동 개발했다.
기존에 개발된 제조현장의 AI 고장 진단기술은 설비가 현재 ‘정상 또는 고장’이라는 단순한 판정 정보만 제공할 뿐, 고장 발생이 어떤 이유로 예측되는지에 대한 설명과 근거를 제공해주지 못한다는 한계가 있었다.
이 같은 AI 동작 해석의 어려움으로 소위 ‘블랙박스’라고 불릴 만큼 진단기술에 대한 신뢰성과 활용도가 낮았다. 또한 고장 신호가 들어왔을 때 작업자가 그 원인을 파악하기 위해서는 다른 방법으로 다시 분석하거나 제조설비를 직접 살펴봐야해 번거로웠고 시간도 오래 걸렸다.
이런 문제점을 극복하기 위해, 생기원 첨단메카트로닉스연구그룹 AI응용제조설비연구센터 윤종필 박사와 포항공대 전자전기공학과 박부견 교수, 김민수 학생연구원(박사과정)이 이끄는 공동연구팀은 설비에 부착된 다양한 센서로부터 획득한 시계열 진동신호를 이용해 설비상태를 실시간 진단해주는 딥러닝 모델을 고안해냈다.
그래도 삭제하시겠습니까?