KSB 인공지능 기계 고장진단 솔루션

KSB 인공지능 기계 고장진단 솔루션.pdf

2. KSB 인공지능 기계 고장진단 솔루션.pdf from ssuserde0b2d

1. - 1 - <별지 3> 기술이전계획서 부속자료 (기술명 : KSB 인공지능 기계 고장진단 솔루션)
2. - 2 - 1. 기술이전 개요 가. 기술이전 개요 - 본 기술은 기계설비가 운용되는 환경에서 측정된 센서 신호 데이터로부터의 특징 추 출(Feature Extraction) 및 기계학습(Machine Learning) 모델링을 통해, 기계의 고장 발생을 진단하는 서비스를 제공하는 인공지능 응용 솔루션 분야에 해당한다. - 보다 상세하게는, 마이크로폰과 같은 음향 센서 또는 진동 가속도 센서를 이용하여, 기계설비를 측정한 신호 데이터로부터 기계학습 모델링에 적합한 특징을 추출하고 학습모델을 훈련하여, 해당 기계설비의 상태 판별 및 고장 발생 여부를 진단하는 기 능을 제공하는 응용 소프트웨어 기술이다. - 본 기술은 “KSB 인공지능 기계 고장진단 솔루션”이라는 명칭을 사용한다. 필요시 동 일한 의미를 갖는 영문 약어로 “KASFD (KSB AI Solution – Fault Diagnosis 기술)”라 는 명칭으로도 표기한다. ※ KSB: Knowledge-converged Super Brain <그림> 본 기술의 개념도 나. 기술이전의 목적 및 필요성 - 목적: 본 기술은 인공지능 기술을 기계 고장진단 수행 분야에 접목하여 실용화할 수 있도록, 센싱 신호 데이터에 대한 특성 분석 및 학습모델 훈련, 추론 결과 제공 등에 필요한 기능을 제공하는 것을 목적으로 한다. - 필요성: • 기계설비를 구성하는 부품들이 마모, 피로, 부식 등에 의해 기능이 점차 저하되거나 외적인 요건들(예: 충격, 파손, 변형)에 의하여 비정상적으로 가동될 경우, 이로 인 한 불량률 발생, 비용 손실 및 인명 사고 등으로 이어질 수 있기 때문에, 신속하면 서도 정확하게 고장진단을 수행할 수 있는 방안이 요구되고 있다. • 종래에는 기계의 고장 발생 여부를 판단하기 위해, 특정 기계 시스템에 대한 복잡 한 수학적 모델링 해석을 수행하거나, 소음, 진동, 발열 등 여러 증상에 대하여 수 작업으로 진단하고 기존의 경험에 기초한 임계값과 비교하는 과정을 거쳐야 했다.
3. - 3 - • 최근에는 사물인터넷(IoT) 센서에서 측정된 대량의 데이터에 기반하여 학습모델 기 반의 고장진단을 수행하는 접근방안이 주목받기 시작하면서 해당 기술 수요가 증 가하고 있지만, 고장진단을 위한 학습모델을 훈련하고 이에 필요한 신호 데이터의 특징을 분석하는 데 필요한 일련의 기능을 제공할 수 있는 맞춤형 응용 솔루션 개 발 및 상용 제품 출시는 미흡한 상황이다. • 본 기술을 상기의 문제점을 해결하기 위해, 기계가 운행하면서 발생되는 음향신호 에 기반한 학습모델을 훈련하고 기계의 상태를 판별하여 고장 여부를 진단하기 위 한 일련의 기능을 제공하는 도구로 활용될 수 있다. 다. 기술의 특징 및 장점 - 기계설비에서 측정된 음향신호로부터 학습모델에 적합한 특징벡터 추출 연산 수행 • 신호 데이터 정규화; 통계치 분석; 주파수 차원 변환; 스펙트럼 특성값 도출 • 센싱 신호 데이터 로딩 및 저장소 인터페이스 연계 - 기계의 상태 판별을 위한 기계학습 모델링 및 학습모델 서빙(Serving) 지원 • 센싱 신호 특징으로부터의 학습모델 훈련 및 추론을 통한 즉각적 판별 수행 • 고장 진단 결과 제시 및 로그 기록 라. 적용분야 및 기대효과 - 본 기술은 센싱 신호 특징 추출 및 기계학습 모델링 서빙에 대한 기능을, 로컬 PC 서 버 및 온라인 클라우드 서비스를 비롯하여 경량 디바이스(예: 라즈베리 파이) 등 다양 한 연산 환경 상에서 실행되는 응용 소프트웨어로 활용 가능함 - 본 기술의 주요 수요처는 제조 및 운송 산업을 비롯하여 다양한 회전 기계설비에 대 한 상태 감시 자동화 및 안전관리 서비스를 수행하는 업체임 - 본 기술은 센싱 신호로부터의 특징 추출, 학습모델 생성 및 활용, 고장진단 수행에 관 한 연구결과물을 기술문서 및 프로그램 형태로 업체에게 이전 제공하며, 본 기술을 전수받는 업체는 본 기술을 조정하거나 확장하여 해당 수요처에 최적화된 방식으로 활용할 수 있음
4. - 4 - 마. 기술성숙도 단계 : ( 6 ) 단계 ※ 기술성숙도(TRL : Technology Readiness Level) 구 분 단계 정 의 세 부 설 명 기초 연구 단계 1 기초 이론/실험 ∘기초이론 정립 단계 2 실용 목적의 아이디어, 특허 등 개념정립 ∘기술개발 개념 정립 및 아이디어에 대한 특허 출원 단계 실험 단계 3 실험실 규모의 기본성능 검증 ∘실험실 환경에서 실험 등으로 기본성능이 검증될 수 있는 단계 ∘개발하려는 부품/시스템의 기본 설계도면을 확보하는 단계 4 실험실 규모의 소재/부품/시스템 핵심성능 평가 ∘시험샘풀을 제작하여 핵심성능에 대한 평가가 완료된 단계 ∘3단계 결과 중에서 최적의 결과를 선택하려는 단계 ∘컴퓨터 모사가 가능한 경우 최적화를 완료하는 단계 시작품 단계 5 확정된 소재/부품/ 시스템 시작품 제작 및 성능 평가 ∘실험실 시작품 제작 및 성능 평가가 완료된 단계 ∘실제 제작한 시작품 샘플은 1~수개 미만인 단계 ∘경제성을 고려하지 않고 기술의 핵심성능으로만 볼 때, 실제로 판매가 될 수 있는 정도로 목표 성능을 달성한 단계 6 파일롯 규모 시작품 제작 및 성능 평가 ∘파일롯 규모(복수 개~양산규모의 1/10정도)의 시작품 제 작/평가 단계 ∘파일 롯 규모 생산 품에 대해 생 산량, 생 산용량 , 불량률 등 제 시 ∘파일롯 생산을 위한 대규모 투자가 동반되는 단계 ∘생산기업이 자체 현장테스트를 실시하여 목표 성능을 만 족시킨 단계 ∘성 능 평 가 결 과 에 대 해 가 능 하 면 공 인 인 증 기 관 의 성 적 서 확 보 실용화 단계 7 신뢰성평가 및 수요기업 평가 ∘실제 환경에서 성능 검증이 이루어지는 단계 ∘수요업체에서 직접 파일롯 시작품을 현장 평가(성능, 신 뢰성 평가) ∘가능하면 인증기관의 신뢰성 평가 결과 제출 8 시제품 인증 및 표준화 ∘표준화 및 인허가 취득 단계 사업화 9 사업화 ∘본격적인 양산 및 사업화 단계 ∘6-시그마 등 품질관리가 중요한 단계
5. - 5 - 2. 기술이전 내용 및 범위 가. 기술이전의 내용 - 기술명 : KSB 인공지능 기계 고장진단 솔루션 (KASFD) - 기계설비가 운용되는 환경에서 측정된 음향신호로부터 기계학습 모델링에 적합한 특 징을 추출하고 학습모델을 훈련하며, 생성된 학습모델을 이용하여 해당 기계의 상태 (예: 정상 또는 비정상)를 판별한 결과를 종합하여 고장 여부를 진단하는 기술 나. 기술이전의 범위 - KASFD 요구사항 정의서 - KASFD 시험절차 및 결과서 - KASFD 기술문서(TM) 6건 - 케이에스비 인공지능 기계 고장진단 솔루션(SW) 다. 특허 관리번호 출원번호 출원일 등록번호 등록일 발명명칭 PR20190243 KRa 10-2020- 0001687 2020. 01.06 기계 고장진단 방법 및 장치 라. 기술문서 외 문서번호 기술자료 명칭 비고 5304-2020-00287 KSB 인공지능 기계 고장진단 솔루션 요구사항 정의서 TDP 5304-2020-00288 KSB 인공지능 기계 고장진단 솔루션 시험절차 및 결과서 TDP 5303-2019-00206 소리 및 진동 신호데이터 분석을 통한 기계 고장진단 TM 5303-2019-00280 기계 고장진단 솔루션의 기능 구조 TM 5303-2019-00393 KSB AI 기계 고장진단 솔루션의 처리흐름 TM 5303-2019-00481 기계 결함감지 학습모델에 대한 연구 및 분석 TM 5304-2020-00221 기계 작동 상태의 신호 특성에 관한 연구 TM 5304-2020-00286 기계 상태 판별 학습모델에 관한 연구 TM 5304-2020-00264 (PG20200046) 케이에스비 인공지능 기계 고장진단 솔루션 SW 3. 타기관/타기업(국내/외)의 동기술에 대한 지식재산권 현황
6. - 6 - 구분 발명명칭 출원(등록)번호 출원(등록)일자 국가 특허 기계학습 기반 공작기계 고장 진단 시스템 및 방법 KR10-1823746 2018.01.24 한국 기계학습 기반 공작기계 고장 진단 시스템 및 방법 KR10-2018-0048218 2018.05.10 한국 기계적 결함에 대한 진단 및 예측 방법 KR10-1936283 2019.01.02 한국 기계 학습 모델을 이용한 관심 이 벤트의 알림 제공 장치 및 방법 KR10-2148378 2020.08.20 한국 4. 기술/시장 동향 가. 기술현황 (1) 국외 기술현황 - 빅데이터 및 사물인터넷 기술을 접목하여 기계 상태를 자동 측정하여 예지 보전을 수행하는 솔루션 출시 및 서비스 사업화가 활발히 전개되기 시작함 - 아마존 AWS, 구글 GCP, 마이크로소프트 Azure 등과 같은 글로벌 IT 기업의 범용 클라우드 서비스 인프라를 기반으로, 개별 기업에서 측정/수집되는 빅데이터 분석 과 기계학습 적용을 통해 설비 결함을 탐지하는 솔루션 개발이 시작되고 있음 - 제너럴일렉트릭, 에머슨, 업테이크 등은 기계설비 분야에 특화된 사물인터넷 빅데이 터 분석 및 인공지능 학습모델을 응용한 솔루션을 사업화 중임 (2) 국내 기술현황 - 제품의 불량검사 및 품질관리를 위해, 빅데이터 분석 기술 및 인공지능 학습 모델 을 접목한 솔루션 기술이 개발되고 있으며 사업화 초기 단계에 있음. 수아랩(코그 넥스), 라온피플, 트윔 등 다수의 IT 기업에서 이미지 인식 및 머신비전 검사 기술 을 인공지능 기법과 연계하여 불량제품 검사 솔루션을 사업화 중임 - 기계설비 상태 모니터링 및 공정 제어 솔루션 개발에 있어서, 코오롱베니트, 현대오 토에버, 퓨처메인 등이 제조 현장에서 수집된 빅데이터를 분석하여 공장 설비 원격 제어 자동화를 위한 제조용 플랫폼 및 소프트웨어 솔루션을 개발하고 있음 나. 벤더(기업체) 현황 (1) 세계주도 벤더 현황 - 제너럴일렉트릭(GE)는 산업용 기계설비에서 발생하는 실시간 데이터들을 클라우드 상에서 분석 및 수집함으로써 장비의 고장 가능성을 예측하는 솔루션을 개발하고
7. - 7 - 있으며, 공장/기계의 성능을 개선하기 위한 다양한 서비스 기능을 유연하게 확장 가능한 솔루션 서비스를 사업화하고 있음 - 에머슨(Emerson)은 플랜트 및 정유소의 대형 기계 상태를 측정하기 위한 센서 제품 및 진동 트랜스미터에서부터 기계 상태 모니터링 및 예측 시스템에 대한 솔루션들 을 제공하고 있음 - 업테이크 테크놀로지(Uptake Technology)는 기계설비의 센서 데이터를 인공지능 학습모델을 통해 분석하여 오류가 발생하기 전에 이를 예측하는 솔루션 서비스를 제공하며, 보잉, 카터필러, 미 육군 등에서 운용 중인 기계 장비에 대한 고장 유무 를 분석하는 사업화를 진행 중임 (2) 국내주도 벤더 현황 - 두산중공업은 발전소 운전 데이터를 학습하여 발전소의 이상 징후를 감지하고 고장 원인을 진단하는 ML 기반 예측진단 솔루션 및 터빈/발전기에 대한 진동 이상 감지 솔루션을 개발하고 있음 - 원프레딕트는 산업설비의 고장 가능성과 상태 예측을 위해 인공지능 알고리즘을 활 용하는 솔루션 사업화를 진행 중임 - 마크베이스는 산업용 사물인터넷 데이터를 수집 및 분석하기 위한 시계열 데이터베 이스 솔루션을 사업화하고 있음 - 비젠트로는 공정별 불량 데이터를 연계하여 불량의 패턴 및 원인을 분석하는 빅데 이터 기반의 스마트 제조 솔루션 사업화를 추진 중임 다. 관련 제품 및 서비스 동향 (1) 국외 관련 제품 및 서비스 동향 - 제너럴일렉트릭(GE)의 프레딕스(Predix) 플랫폼은 산업 설비의 정비에 관한 시뮬레 이션 및 설비의 운영 데이터 수집 및 가시화 기능을 제공하며, 기계학습을 접목하 여 예측 및 진단 서비스를 구축하는 데 활용되고 있음 - 인텔에서는 인공지능 신경망 기법을 적용하여 실리콘 제조 공정에서의 결함 분석을 수행하는 솔루션을 개발함 (2) 국내 관련 제품 및 서비스 동향 - 현대기아차 연구소는 파워트레인 계통의 음향신호를 이용하여 인공지능 학습모델을 훈련해서 자동차의 고장을 감지하는 고장진단 시스템을 개발하였으며 정확도 90% 이상의 고장 예측이 가능하다고 함 - 싸이언(SCIEN)은 대형설비에서 발생하는 음파를 측정하여 설비의 이상 유무를 진단 하는 소프트웨어 및 하드웨어를 개발하여 공급하고 있음
8. - 8 - 라. 시장전망 - 4차 산업혁명 및 스마트공장(Smart Factory) 개념이 확산됨에 따라, 기계설비 상태 의 모니터링 및 예지적 유지보수를 위한 기술 분야에 대한 관심이 높아지고 있음. 중소벤처기업부의 중소기업 기술로드맵(2018)에 의하면, 예지적 유지보수 분야의 시장은 2016년부터 2021년까지 연평균 28%이상의 성장세를 나타날 것으로 전망됨 (국내시장의 경우, 2016년 461억원에서 2021년 1647억원 규모) - 특히, 기계설비의 고장을 진단하는 문제는 기계 상태 모니터링 및 고장예지, 비파괴 검사(Non Destructive Testing) 분야와 밀접하게 관련되며 향후 5년동안 꾸준한 성 장세를 나타날 것으로 예상됨 5. 상용화 가능성 가. 상용화를 위한 생산설비 등 추가비용 - 해당 사항 없음 나. 상용화를 위한 추가적인 기술개발 내용 - 운영 서비스 환경에 맞춤 설정을 위해, 기계설비 운용시 수집되는 음향신호에 대한 특징벡터 추출 조정을 비롯한 솔루션 SW 설정 최적화 및 학습모델 재훈련 다. 예상 제품/서비스 및 수요자(층) 예상 제품/서비스 예상 수요자(층) IoT 기반 기계설비 고장진단 시스템 기계설비 운영 및 유지보수 업체 라. 상용화까지의 단계별 주요 일정 계획 - 현업 센싱 신호 데이터와의 입출력 인터페이스 연계 (~1개월) - 현업 센싱 신호 데이터 특징 분석 및 학습모델 훈련 조정 (~3개월) - 인공지능 기계 고장진단 솔루션 성능 최적화 (~4개월) 마. 기타 상용화의 애로점과 극복(개선)방안 애로점 극복(개선)방안 기계설비의 규격 및 음향신호 데이터 형식이 변경될 경우 특징 도출 및 학습모델 훈련이 재조정되어야 함 기계학습 기반 솔루션 개발 유경험자의 기술지도 필요
9. - 9 - 6. 시장성 가. 예상 제품/서비스의 속성 예상 제품 /서비스 예상단가 (천원) 이전기술의 비중(%) 잠재적/현재적 경쟁자와 가격,시장 등에서 경쟁상 유리한 점 판매 가능 시기 IoT 기반 기계설비 고장진단 시스템 5,000 20% - 고장진단의 대상이 되는 기계 설비 1대당 예상단가 추정 - 기계설비 고장진단 지능화 서 비스 구축을 통한 관련 운용 비 용 절감 개발 기간 6개 월 소요 후 판 매 가능 나. 관련 제품/서비스의 국내외 시장규모(향후 매 5년 간 추정) (단위 : 백만불, 억원) 관련 제품 /서비스 시장 1차년도 (2021) 2차년도 (2022) 3차년도 (2023) 4차년도 (2024) 5차년도 (2025) 합계 기계 상태 모니터링* 해외 3,017 3,293 3,596 3,929 4,275 18,110 국내 362 395 432 472 513 2,174 비파괴 검사** 해외 12,610 13,553 14,567 15,650 18,482 74,862 국내 1,513 1,626 1,748 1,878 2,218 8,983 합계 해외 15,627 16,846 18,163 19,579 22,757 92,972 국내 1,875 2,021 2,180 2,350 2,731 11,157 ※ * 추정 근거: 해외 시장규모는 다음 시장보고서 자료에서 제시된 예측값들의 평균을 통해 산출되었고, 국내 시장규모는 해외 시장규모의 1%로 추산함(1200원/1불 기준). 기계 상태 모니터링을 위한 하드웨어 및 장비(Equipment) 시장 제외. - MarketsandMarkets, 세계의 기계 상태 모니터링 시장 예측(-2025년) - Transparency Market Research, 기계 상태 모니터링 시장(2018-2026년) - Frost & Sullivan, 세계의 컨디션 모니터링(상태 감시) 서비스 시장 예측(-2025년) ※ ** 추정 근거: 해외 시장규모는 다음 시장보고서 자료에서 제시된 예측값들의 평균을 통 해 산출되었고, 국내 시장규모는 해외 시장규모의 1%로 추산함(1200원/1불 기준) - MarketsandMarkets, 세계의 비파괴 시험 및 검사 시장 예측(-2024년) - Stratistics MRC, 비파괴 검사 및 시험 : 세계 시장 전망(2018-2027년) - Grand View Research, 세계의 비파괴 검사(NDT) 시장 분석과 예측(2020-2027년)
10. - 10 - 다. 예상 제품/서비스의 국내외 시장점유율(생산/판매부터 향후 매 5년 간) (단위 : %) 관련 제품 /서비스 시장 1차년도 (2021) 2차년도 (2022) 3차년도 (2023) 4차년도 (2024) 5차년도 (2025) 합계 기계 상태 모니터링 해외 0.01% 0.02% 0.05% 0.09% 0.15% 0.32% 국내 0.50% 1.20% 2.40% 3.60% 5.00% 12.70% 비파괴 검사 해외 0.0015% 0.0030% 0.0075% 0.0135% 0.0225% 0.05% 국내 0.0625% 0.1500% 0.3000% 0.4500% 0.6250% 1.59% 합계 해외 0.0115% 0.0230% 0.0575% 0.1035% 0.1725% 0.37% 국내 0.5625% 1.3500% 2.7000% 4.0500% 5.6250% 14.29% 라. 예상 제품/서비스의 예상매출액(생산/판매부터 향후 매 5년 간 추정) ※ 예상매출액 = (나)관련 제품/서비스의 국내외 시장규모×(다)예상 제품/서비스의 국내외 시장점유율 (단위 : 백만불, 억원) 관련 제품 /서비스 시장 1차년도 (2021) 2차년도 (2022) 3차년도 (2023) 4차년도 (2024) 5차년도 (2025) 합계 기계 상태 모니터링 해외 0.30 0.66 1.80 3.54 6.41 12.71 국내 1.81 4.74 10.36 16.97 25.65 59.53 비파괴 검사 해외 0.19 0.41 1.09 2.11 4.16 7.96 국내 0.95 2.44 5.24 8.45 13.86 30.94 합계 해외 0.49 1.07 2.89 5.65 10.57 20.67 국내 2.76 7.18 15.60 25.43 39.51 90.48