Core Concepts
검열된 데이터를 활용하여 볼 베어링의 잔여 유용 수명을 확률적으로 추정하는 방법을 제안합니다.
Abstract
이 논문은 볼 베어링의 잔여 유용 수명(RUL)을 확률적으로 추정하는 방법을 제안합니다.
먼저, 주파수 영역에서 센서 데이터를 분석하고 Kullback-Leibler(KL) 발산을 계산하여 베어링이 점차 악화되기 시작하는 시점을 감지합니다. 이를 통해 베어링 데이터셋에 레이블을 지정합니다.
다음으로, 생존 분석 모델을 사용하여 유한 시간 범위에서 RUL을 예측합니다. 이 모델은 시간에 따라 단조 감소하는 생존 함수를 제공하며, 검열된 관측치를 자연스럽게 지원합니다. 시간 영역에서 추출한 특징(예: 왜도, 첨도, 엔트로피)을 모델의 공변량으로 사용합니다.
XJTU-SY 데이터셋을 사용한 실험 결과, 제안된 방법이 비신경망 모델과 신경망 모델보다 평균 절대 오차(MAE)가 일관적으로 낮은 것으로 나타났습니다. 또한 베이지안 신경망을 사용하여 불확실성 추정을 제공함으로써 유지보수 의사 결정을 지원할 수 있습니다.
전반적으로, 이 연구는 검열된 데이터를 활용하여 베어링의 RUL을 확률적으로 추정하는 새로운 방법을 제안하며, 실용적인 예측 유지보수를 위한 장점을 제공합니다.
Stats
고부하 조건(C1)에서 실제 고장 시간과 감지된 이벤트 시간의 평균 차이는 42.6%입니다.
중부하 조건(C2)에서 실제 고장 시간과 감지된 이벤트 시간의 평균 차이는 48.7%입니다.
저부하 조건(C3)에서 실제 고장 시간과 감지된 이벤트 시간의 평균 차이는 56.9%입니다.
Quotes
"검열된 데이터를 모델링하지 않으면 고장 위험을 과대평가할 수 있습니다."
"제안된 방법은 확률적인 RUL 추정을 제공하고 검열된 관측치를 자연스럽게 지원합니다."
"베이지안 신경망을 사용하면 예측 불확실성을 추정할 수 있어 유지보수 의사 결정을 지원할 수 있습니다."