예지 보전 (Predictive Maintenance) | 2. 상태 지표 식별을 위한 특징 추출 (Matlab)

https://www.youtube.com/watch?v=pcXr8I2QvHw

 

위 영상을 보고 정리한 내용입니다.

---

1. 상태지표 종류

주파수 성분의 경우 상태지표로 활용할 수 있는 도메인은 위와 같음

2. 상태지표 추출하기

해당 영상에서는 삼단펌프 예제를 통해 상태 지표를 식별하는 예시를 보여줌.

삼단펌프 예제

펌프에서 고장의 원인은 밀봉 누설, 흡입구 차단, 베어링 마모가 있음

위 데이터를 전처리하여 특징을 추출함

원시데이터는 노이즈가 많음.

오프셋 차이에 의한 데이터를 제거하여 전처리 하면 다음 그림과 같음

위 데이터를 보면 "Seal Leakage, Blocked Inlet" 과 "Blocked Inlet"이 매우 유사함을 볼 수 있음

위 전처리 절차를 통해서 가장 효과가 있는 유용한 특징들을 선별한다.

박스 플랏을 통해 데이터를 분석한다.

Overlap 이 있는 경우 유효한 특징을 찾기에 어려움

 

여러가지 분석기법으로  유효한 특징 찾기

 

주기 데이터를 분석할 땐 주파수 분석이 중요함

 

Seal Leakage, Blocked Inlet" 과 "Blocked Inlet"이 Time domain 분석에서 유사한 차트를 보여 분석이 어려웠으나 Frrequency domain을 보니 유의미한 특징이 보였음. 이는 머신러닝 모델 학습에 적합한 데이터로 보여짐.

3. 상태지표 선정 및 머신러닝 학습

cluster를 봤을 때 서로 멀리 떨어진 데이터일수록 학습에 적합함

 

학습한 데이터는 위와 같이 오차행렬로 검사할 수 있음

대각선 행렬은 결함 조합이 정확하게 예측한 횟수를 보여줌

빨강 박스는 잘못예측한 횟수를 보여줌