연구자료실
설비 연결, 품질 검사, 생산 분석과 제조 업무에 관련된 외부 논문입니다.
연구자료 검색
논문 목록
T09. 산업 시계열, 이상탐지, 예지보전
- T09-16후보
Deep learning models for predictive maintenance: a survey, comparison, challenges and prospects
사전공개본은 arXiv:2010.03207이다. 사전공개본은 2020년 10월 7일 투고이고 저자가 3명(Serradilla, Zugasti, Zurutuza), 제목 끝이 prospect로 단수다. 학술지판은 저자가 4명(Jon Rodriguez 추가)이고 제목 끝이 prospects로 복수다. 이 문서는 학술지판 기준으로 인용한다.
한국어 검토 보기
해결 문제
- 예지보전에 딥러닝을 쓸 때 어느 단계에 어떤 구조가 맞는지 정리한다.
핵심 구조
- 예지보전을 이상탐지, 원인 분석, 잔여수명 예측 단계로 나눈다. 그리고 오토인코더, 합성곱 신경망, 순환 신경망 같은 구조를 단계별로 짝지어 비교한다.
주요 결과
- 단계마다 유리한 구조가 다르다. 산업 현장 적용에서는 라벨 부족, 설명 가능성, 데이터 불균형이 공통 걸림돌로 나온다.
한계
- 서베이라 새 실험 근거는 제한적이다. 조사 시점이 2020년 무렵이라 최근 사전학습 시계열 모델은 빠져 있다.
우리 기능과의 연결
- 예지보전 기능 로드맵을 짤 때 단계 구분과 구조 선택의 후보 목록으로 쓸 수 있다.
연구에서 제품 적용까지
운영 중인 기능, 시범 적용과 개발 중인 기술을 구분해 정리했습니다.
보유기술 보기