진동 데이터 특징 추출 과정 내 Segment 설정에 따른 고장 진단율 영향도 분석 = Analysis of the Effect of the Diagnostic Failure Rate According to the Segment Setting in the Vibration Data Feature Extraction Process

다국어 초록 (Multilingual Abstract)

With the advent of the Fourth Industrial Revolution, PHM technology is being developed to diagnosis failures of mechanical equipment and predict the remaining useful life of equipment. Acquiring quality data at a major step of PHM is an important process that has a significant impact on future diagnosis and prediction processes. In the process of acquiring and preprocessing data, the feature extraction process is a process of extracting meaningful features of the data. This study analyzed the effect on the failure diagnosis rate according to the segment setting in the feature extraction process of vibration data. Therefore, the noise of the vibration data was removed, features were extracted for each segment, and the failure diagnosis rate was calculated using a classification algorithm. Based on the finally calculated results, the performance of the classification algorithm was evaluated using F1 - Score. As a result of the final analysis, the process of setting the segment size of the vibration data is also important, but the process of applying the noise reduction methods and feature values suitable for the characteristics of the data is more important.

참고문헌 (Reference)

1 황세윤 ; 허지연 ; 홍규택 ; 이장현, "통계적 기계학습법을 적용한 플랜트 공정 장비의 시계열 데이터 분석및 고장 상태 진단" 한국CDE학회 23 (23): 193-201, 2018

2 장명훈 ; 박한설 ; 김지인 ; 오정림 ; 전홍배, "차량 DTC 데이터 기반 고장 상태 예지 방안에 대한 사례 연구" 한국CDE학회 25 (25): 358-365, 2020

3 김승일 ; 노유정 ; 강영진 ; 박선화 ; 안병하, "진동 데이터의 시간영역 특징 추출에 기반한 고장 분류 모델" 한국전산구조공학회 34 (34): 25-33, 2021

4 강철우 ; 조남익 ; 박찬국, "웨이블릿 임계화 기법을 이용한 INS-GPS 결합항법 시스템의 성능향상" 한국항공우주학회 37 (37): 767-773, 2009

5 조요한 ; 김현진 ; 송민호, "웨이블릿 변환을 이용한 광섬유 격자 온도센서의 정밀도 개선" 한국조명.전기설비학회 25 (25): 73-78, 2011

6 김강휘 ; 강지훈 ; 박승환, "원심펌프 이상 진단을 위한 데이터 수집 및 머신러닝 기반 분석" 한국정밀공학회 38 (38): 269-277, 2021

7 서명교 ; 윤원영, "오토인코더를 이용한 열간 조압연설비 상태모니터링과 진단" 한국품질경영학회 47 (47): 75-86, 2019

8 김윤희 ; 홍지연 ; 김범주, "쉴드 TBM 디스크 커터 교체 유무 판단을 위한 머신러닝 분류기법 성능 비교" 사단법인 한국터널지하공간학회 22 (22): 575-589, 2020

9 소민섭 ; 신종호, "기계학습을 이용한 필터의 성능 저하 예측" 한국CDE학회 24 (24): 268-279, 2019

10 장준교 ; 노천명 ; Kim Sung-Soo ; 신성철 ; 이순섭 ; 이재철, "Vibration data feature extraction and deep learning-based preprocessing method for highly accurate motor fault diagnosis" 한국CDE학회 10 (10): 204-220, 2023

11 Park, S., "Measurement Noise Recommendation for Efficient Kalman Filtering over a Large Amount of Sensor Data" 19 (19): 3390-, 2019

12 Lee, S. H., "Direction of Industry 4.0 and Prognostics and Health Management(PHM)" 24 (24): 22-28, 2015

13 Song, M.J., "Development of a Remaining Useful Life Prediction Model for Bearings Based on Time Domain Features of Vibration Signal" University Graduate School 2021

14 장준교 ; 노천명 ; 김성수 ; 이순섭 ; 이재철, "Denoising Auto Encoder 기법을 활용한 진동 데이터 전처리 및 성능비교" 해양환경안전학회 27 (27): 1088-1097, 2021

15 Nam, G.H., "Anomaly Detection of the Engine Clutch Engagement and Disengagement of Transmission Mounted Electric Drive(TMED) Type Hybrid Electric Vehicle" Hanyang University Graduate School 2021

16 Seong, J. H., "A Denoising Autoencoder Based Acoustic Communication System Design" 1256-1257, 2021