MKL-SVM 기반의 건전성 예측 및 관리기술(PHM)에 관한 연구

A study on PHM (Pragnostics and Health Management) based on MKL-SVM (Multiple Kernel-Learning Support Vector Machine) Algorithm

최근 폴랜트 산업에서는 IIoT(Industrial internet of things), AI(Artificial intelligence), 빅데이터 PHM(Prognostics and Health Management) 그리고 Digital Twin 등의 기술을 기반으로, 폴랜트 설비의 건전성상태를 실시간으로 모니터링하고 이로부터 고장여부 진단은 물론 고장까지 시간을 미리 예측하는 관리기술의 중요성이 강조되고 있다. 본 논문에서는 플랜트 설비(펌프, 압축공기, 보일러, 모터, 변압기)의 고장예지 및 사전 결함을 예측하는 건전성 예측 및 관리기술(Prognostics and health management, PHM) 의 고도화를 위해 기계학습 기반의 MKL-SVM 알고리즘을 제안한다. 제안된 MKL-SVM 알고리 즘과 CNN(Convolutional Neural Network)모델을 비교하여 성능평가를 하였으며, 제안된 방법으로 검증한 실험에서 사전 결함 예측 가능성이 지속적으로 개선되었음을 검증하였다. 또한, DeepLearning과 효용성 검증실험을 통해 제안하는 방법이 효율적임을 확인하였다.