수리연, 부품 이상 확률로 분석하는 딥러닝 모델 개발
노후 장비, 소모 부품 등 최적기 교체해 유지관리 비용↓

국가수리과학연구소(소장 정순영)는 서울교통공사와 공동 연구를 통해 지하철역 내 기계장비 고장 예지(豫知) 알고리즘 개발에 성공했다고 1일 밝혔다. 향후 지하철역 내 기계장비 고장 예측과 주요 부품에 대한 이상 감지가 수월해질 전망이다. 

지하철역 안에는 공조기와 승강기 등 다양한 기계장비가 있어 관리가 필요하다. 공사는 '기계설비 자동제어 빅데이터 프로그램'(SAMBA)을 도입해 기계에서 발생하는 이상 데이터를 제어하고 있다. 그러나 지하철역 안에 있는 공조기 등 장비 노후화로 고장 빈도가 꾸준히 증가하고 있어 유지·관리에 어려움을 겪고 있다. 

이에 수리연은 환기설비의 효율적인 제어와 유지 관리를 위해 수학적 데이터 분석 방법 개발 등에 관한 산업수학 문제 해결에 나섰다. 연구진은 지하철 환기실 공조기에서 수집되는 전류 데이터와 실제 부품 교체 날짜를 활용해서 부품의 상태와 조건에 대한 패턴 분석을 진행했다. 이를 통해 공조기 주요 부품인 'V벨트'와 '베어링' 부품의 이상 상태를 감지해 교체 여부를 확률적으로 판단하는 딥러닝 모델을 개발했다.

딥러닝 모델을 지하철역 안에 있는 공조기 V벨트와 베어링에 실제 적용해 이상 상태를 감지한 결과 정확도는 평균 95% 이상을 기록했다. 양 기관은 이후 후속 검증 절차를 진행해 해당 모델을 SAMBA 시스템에 탑재해 서울시 지하철 전 역사에 적용할 계획이다. 

수리연 관계자는 노후화된 장비, 임펠러 등 공조기 소모 부품을 최적기에 교체함으로써 유지관리 비용 감소와 지하철 환기 설비의 안정적인 운용이 가능해질 것으로 예상한다고 밝혔다. 정순영 소장은 "산업수학이 산업 분야 뿐 아니라 공공의 영역까지 확대돼 다양한 분야에서 활용될 수 있음을 증명하는 좋은 사례가 됐다"고 말했다. 

V벨트 교체 이전-이후 패턴 그래프. <사진=국가수리과학연구소 제공>
V벨트 교체 이전-이후 패턴 그래프. <사진=국가수리과학연구소 제공>
저작권자 © 헬로디디 무단전재 및 재배포 금지