AI가 공장설비 고장을 미리 알아낸다

[파이낸셜뉴스] 인공지능(AI)으로 제조 설비가 고장나기 전 비정상적인 진동이나 소음, 과열 등의 이상징후를 포착해 미리 알려주는 기술을 국내 연구진이 개발했다. 이를 통해 자동화설비 제조현장의 갑작스런 고장을 막아 치명적 사고와 제품 결함을 막을 수 있다고 연구진은 설명했다.

한국생산기술연구원은 첨단메카트로닉스연구그룹 AI응용제조설비연구센터 윤종필 박사가 공장설비의 고장을 미리파악하고 원인을 알려주는 AI 설비고장 진단기술을 개발했다고 29일 밝혔다.

이번 기술은 윤종필 박사팀과 포항공대 전자전기공학과 박부견 교수, 김민수 학생연구원이 공동으로 연구해 개발한 성과다.

윤종필 박사는 "반복적인 진동 신호를 얻을 수 있는 제조설비, 발전시설, 회전기기, 수송기기 등의 진단에 다양하게 활용 가능한 원천 플랫폼 기술로 현재 부품제조기업과 실증사업도 추진 중"이라고 말했다.

우리 몸에 이상이 생기면 발열이나 통증이 나타나듯, 제조 설비도 고장이 발생하기 전 비정상적인 진동, 소음, 과열과 같은 이상 징후를 먼저 드러낸다.

그동안 현장 작업자는 고장 징후를 미리 알아채기 쉽지 않고, 설령 알아냈더라도 사람이 고장 가능성을 자체 판단해 사전에 대응한다는 것은 현실적으로 어려운 실정이다.

공동연구진은 센서를 다양한 설비에 부착한 뒤 진동신호를 잡아내 설비상태를 실시간 진단하는 딥러닝 모델을 고안해냈다.

대다수의 핵심 제조설비들은 일정한 진동을 발생시키는 반복 공정을 수행하기 때문에 주파수의 변화로부터 고장 징후를 발견할 수 있다. 이 딥러닝 모델은 진동이 일정할 때는 '정상'으로, 주파수가 어긋나거나 흐름이 갑자기 바뀌었을 땐 '고장'으로 판정한다.

연구진은 센서가 보내온 기초 시계열 진동신호들을 주파수 변환 작업 없이 그대로 입력값으로 활용해 진단시간을 크게 단축시켰다. 또한 판정결과와 함께 그 원인 파악에 도움이 되는 주파수 특징도 제공해 신뢰성과 활용도를 높였다.

이와함께 연구진은 정상과 고장 상태 분류에 대한 AI의 판단기준을 주파수 영역에서 시각화해 보여주는 'FG-CAM 알고리즘' 개발 연구도 병행했다.

이 알고리즘은 딥러닝 모델이 제조데이터를 통해 스스로 기계 학습한 정상과 고장 판단기준을 작업자가 이해하기 쉽게 주파수로 표현해 기존 기술로는 알기 어려웠던 AI의 동작 해석을 돕고 블랙박스 영역도 줄여준다.

그결과 작업자는 제조설비의 이상 징후가 포착되는 즉시 AI의 판단을 믿고 고장 진단을 신속하게 내릴 수 있게 됐으며, 그 원인 규명 작업도 보다 수월해졌다.

이번 연구 성과는 산업 AI 분야의 저명한 저널인 '국제전기전자기술자협회 산업정보학학회 논문지'에 지난 6월 게재됐다.

[e-mail] 김만기 기자