스팀 누출 예지보전 기술 개발을 위한 CNN 예측분류 모델

CNN Classification Model for Development of Predictive Maintenance Technology for Steam Leakage

산업 현장에서 스팀 및 가스 누출 사고가 적지 않게 발생하고 있다. 고온 고압의 스팀 또는 위험 가스 분출은 화재와 폭발을 일으켜 큰 인명피해까지 이어질 수 있으며 재산적 피해 또한 유발하므로 배관 둥 관련 설비의 상태를 실시간으로 파악하는 것이 중요하다. 더욱이 옥외에 설치된 배관이 나 중 저압 배관에서의 누출은 상황을 바로 인지하는 것에 한계가 있고, 다양한 설비가 설치되어 있고 배관이 복잡하게 연결되어 있는 현장에서는 누출 지점을 빠르게 확인하는 것 또한 어려움이 있으므로 누출 유무 및 발생 지점을 빠르게 파악하는 기 술이 요구된다. 이에 산업 현장의 다양한 기계와 장비의 데이터를 실시간으로 분석함으로써 사전에 이상 징후를 파악하여 조치를 취하는 예지보전(PclM; Predictive Maintenance) 기술이 지속적으로 관심받고 있다. 국제표준인 ISO 13374에서 예지보전의 절차를 크게 Data Acquisition(DA), Data Manipulation(DM), State Detection(SE), Health Assessment(HA), Prognostics Assessment(PA), Advisiory Generation(AG) 의 6단계로 제 시 하고 있으며, 그 중 과거 데이터를 기반으로 현 상태를 분석하는 진단(Diagnostics) 과 기 존 데이터 기반의 경향 분석을 통해 고장 및 잔여 수명/성능을 예측하는 예지 (Prognostics) 에 초점을 맞추어 다양한 연구가 진행되고 있다. 본 연구는 AI 기반의 식품공장 내 스팀 누출 예지보전 기술 개발을 위 한 선행 연구로, 스팀 누출 상황을 판별하기 위한 CNN 예측분류 모델을 생성하였다. 스팀 누출 상황과 관련된 이 미 지 데이터의 라벨링 과정을 거친 후 70 %는 모델 학습, 30 %는 모델 평가에 사용하였으며, 추가적 인 예측 데이터로 모델을 평가하였다. 모델 평 가에는 혼동 행렬 (Confusion matrix) 기반의 평가방법인 정확률, 특이도, 민감도/재현율, 정밀도를 활용하였으며 , Fl Score와 ROC Curve 및 AUC(Area Under the ROC Curve)를 통해 정밀도-재현율의 균형과 이진분류 성능을 평가하였다.