【 청년일보 】 날이 더워지고 있는 요즘, 에어컨이나 냉장고와 같이 더위를 식혀줄 수 있는 제품 사용 비율이 점점 높아지고 있다. 이에 문득 이러한 제품들이 무더운 여름에 고장이 나면 어떡하나 하고 걱정이 됐다.

만약 이러한 제품들의 잔여 수명(Remaining Useful life, RUL)을 미리 알 수만 있다면, 고장 날 걱정 없이 여름을 보낼 수 있을 것이다. 우리는 이것을 인공지능을 통해 어느 정도 알아낼 수 있다.

특히 최근 공장에서 사용되는 산업 설비의 예지 보전(Predictive Maintenance, PdM)을 위해 인공지능이 사용되는 추세이다. 여기서 예지 보전(PdM)이란 반도체 공장 등에서 사용되는 산업 설비의 이상을 사전에 예측해 이를 바탕으로 산업 설비를 보수하는 것을 의미한다. 즉, 해당 산업 설비가 언제 고장 날지를 예측해 미리 예방하는 솔루션이다.

만약 앞서 설명한 예지 보전을 수행하지 않는다면 어떻게 될까? 이러한 경우, 산업 설비의 고장으로 인해 정지된 이후에서나 보수를 수행하게 되므로 공장 가동 중단으로 인한 큰 손해가 발생한다.

그럼 예지 보전은 어떻게 이루어지는지 알아보자. 기존에는 조건 기반으로 제품의 이상을 탐지함으로써 예지 보전을 수행했지만, 이 과정에서 전문적인 도메인 지식과 기법을 필요로 하고 대부분의 경우 정확한 물리적 시스템에 대해 알 수 없으므로 한계가 존재한다. 또한, 데이터양이 점점 많아지고 실시간으로 빠르고 정확하게 산업 설비의 이상을 탐지해야하므로 최근에는 딥러닝과 같은 인공지능을 사용하는 추세이다.

하지만 대부분의 인공지능이 그렇듯, 모델 구축 시 학습을 위한 과거 센서 데이터가 충분히 필요하다. 즉, 충분한 양의 고품질 데이터가 없다면 예지 보전의 모델이 저하될 수 있다.

또한, 고장에 가까워질수록 지수 적으로 잔여수명(RUL) 그래프가 감소하는 형태를 보이는 모델을 구축하는 것이 이상적이겠지만, 딥러닝 특성상 모델을 설계한 사람들도 해석하기 어려운 형태의 그래프가 그려질 수도 있다. 이런 경우에는 산업 설비의 이상 탐지를 의뢰한 고객들에게 신뢰성 있는 의견을 제시하지 못할 수도 있다.

이러한 한계를 극복하기 위해서는 더 많은 데이터를 수집하고 데이터 전처리 기술을 향상시켜야한다. 또한, 딥러닝 모델의 개선과 도메인 지식을 결합한 하이브리드 방법 등을 탐구해 예지 보전의 정확성과 안정성을 향상시키는 등의 노력이 필요하다. 마지막으로 인공지능 모델의 의사결정을 해석 가능하게 만든다면 도메인 전문가들 또한 모델의 결과를 이해하고 신뢰할 수 있어 이와 관련된 다양한 연구가 필요하다.

앞으로 이러한 연구들이 진행된다면, 예지 보전 시스템은 더욱 높은 신뢰성과 정확성을 갖춘 시스템으로 발전될 것이며 공장 운영 효율성 증대와 더욱 지능적인 산업 현장을 구현하는 데에 기여할 것으로 보인다.
 

【 청년서포터즈 6기 우지수 】