<특허 요약>

본 발명은 평상시 센서 주변의 일상음(또는 일상신호)(normal signal)과 잡음을 제거하는 필터를 이용하여 일상 음 이외의 이상신호(abnormal signal)를 탐지하는 기술에 관한 것으로, 잡음을 제거하기 위한 Denoising Autoencoder 학습 기법에서 착안하여 잡음 및 일상음을 제거할 수 있는 필터를 고안하였으며, 이 필터를 이용하 여 현장음이 평상시와 다른 이상신호인지 아닌지를 판단할 수 있도록 한다. 일상음도 잡음으로 간주하여 필터를 통과한 출력이 0이 되도록 하고, 이상신호는 그대로 통과시키도록 필터를 학습시킨다. 본 발명은 현장의 이상신 호를 수집하지 않고, 일상음만 수집하여 기존의 학습 데이터에 추가함으로써 필터를 재학습할 수 있도록 고안되 었다. 따라서, 기계학습 비전문가도 필터를 쉽고 편하게 재학습시킬 수 있다.

<기술개요>

- 기계 장치의 고장 유무를 진단함에 있어 기계학습을 이용하여 기계 장치의 결함을 분류하는 방법 및 장치 

<기술개발 배경>

- 작동 중인 기계에 결함이 발생할 경우 큰 경제적 손실이 발생하기 때문에 기계의 결함을 조기에 탐지할 수 있는 기술은 항상 중요한 이슈였음

- 기존에는 정기점검을 통해 관리자가 각종 데이터를 분석하여 결함을 판단하였지만 점검시 기계 가동률이 저하되어 생산량이 줄어들거나 개별 관리를 위한 인건비가 발생하는 등 단점이 존재하였음

<기술내용 및 차별성>

 

<비즈니스 아이디어>

- 산업용 기계 모니터링 장비, 소프트웨어(건설기계, 공작기계, 반도체 장비 등)  

<시장동향>

- 반도체 장비, 2차 전지 장비 등 산업용 장비가 섬세해지고 가격도 비싸짐에 따라 결함의 조기 발견 기술에 대한 수요도 증가할 것으로 예측됨

- 전세계 기계 장비 모니터링 시스템 시장은 2024년 3.1십억 달러 규모에서 2029년 4.6십억 달러 규모로 연평균 8.3%씩 상승할 것으로 전망됨