01 멘토 소개
허성민
•
개발 → IT 컨설팅 → 비즈니스 컨설팅/신사업모델 개발 → 데이터 분석 → 상품기획/개발 관련한 경력 20년 이상
•
현재는 SKT Factory Data개발팀에서 예지정비솔루션(그랜드뷰)에 대한 Engineering/분석 업무를 수행하고 있습니다~
이준학
•
안녕하세요. SKT Factory Data개발팀에서 SK관계사(SKGC, SKD&D 등)의 Industry영역의 Data Science 과제를 수행하고 있습니다.
02 프로젝트 소개
개발배경
기기의 유지보수와 관련된 예측모델은 제조업의 경우 주요 핵심자산이 설비와 관련해서 비용/매출과 직결되므로 매우 중요한 영역입니다.
RUL 예측은 장애에 대한 조기 경보 및 장애발생 시점 예측 정보를 제공하며 시스템 건전성 예측 관리에 있어서 중요한 구성요소가 될 수 있습니다. 이를 통해 엔지니어는 유지보수 일정을 설정하고 운영 효율성을 최적화하며 계획되지 않은 다운타임을 방지할 수 있습니다.
특히, 제조환경에서는 장애이력 데이터가 제대로 수집/관리되지 않고 있기 때문에 단순한 이상감지가 아니라 정확한 장애시점을 예측하는 것이 어려운 과제입니다.
기대 효과와 연구 목표
기대 효과는 사전 RUL 예측을 통하여
•
정비/수리/교체 등의 계획을 사전에 수립하고 대응할 수 있습니다. (예를 들어, 바로 정비를 하는 것이 아니라 유지보수 계획에 맞추어서 장비의 가동시간을 더 늘리는 매출 증대 측면에서 모델을 활용할 수 있습니다.)
•
사전에 정비를 통한 품질을 높일 수 있습니다.
•
예기치 못한 상황에 대비를 함으로써 유지보수에 대한 비용을 절감하고 효율화 할 수 있습니다.
•
해당 모델을 SKT의 예지정비 솔루션(그랜드뷰)에 탑재하여, 제조기업의 설비 관리에 도움을 주고자 합니다.
연구 목표는 사전에 RUL을 예측함으로써, 일정 수치 이하로 떨어질때 사전에 알람을 주는 것입니다.
•
Threshold 값은 임의로 정할 수 있으며 (Threshold 값 자체의 예측/탐색도 주요한 주제입니다)
•
모델은 SOTA를 활용한 여러개의 모델로 성능을 비교하여 가장 성과가 좋은 모델로 채택합니다.
•
성과는 RMSE, MAE, MSE 등으로 측정합니다.
데이터
NASA Turbofan Engine Degradation Simulation DataSet
•
6.Turbofan Engine Degradation Simulation Dataset
제시된 데이터셋 외에 새로운 데이터의 탐색도 같이 진행할 예정입니다.
참고 문헌
Remaining useful life predictions for turbofan engine degradation using semi-supervised deep architecture
Attention and Long Short-Term Memory Network for Remaining Useful Lifetime Predictions of Turbofan Engine Degradation
Nasa Turbofan_Predict RUL using LSTM and AR model
Prediction of Remaining Useful Life (RUL) of JET engine
A stacked deep convolutional neural network to predict the remaining useful life of a turbofan engine
03 이런 fellow를 찾습니다
•
성장하고 싶은 능동적인 문제 해결자
•
스마트하게, 즐겁게, 그리고 함께 스터디, 데이터 분석, 코딩하실 인재