CNN 기반 과부하(Overload) 탐지 연구

Overload Detection Using Convolutional Neural Network

연구 내용

기계 설비의 과부하 상태를 Convolutional neural network(CNN)로 탐지하는 연구

기계 설비의 과부하 발생을 조기에 식별하기 위해 Convolutional neural network(CNN) 기반 탐지 절차를 연구합니다. 입력 데이터에서 국소 패턴과 형태적 특징을 추출하도록 합성곱 구조를 구성하고, 과부하/정상 상태를 구분하도록 지도학습 기반 분류 모델을 설계합니다. 또한 과부하 신호의 변동성을 고려하여 네트워크가 유효한 특징을 학습하도록 학습 구성을 검토합니다. 이를 통해 제조 공정 현장에서 과부하 대응을 위한 분류 기반 신호 처리 체계를 확보하는 데 목적이 있습니다.

관련 프로젝트

0건

연구 흐름

초기에는 과부하 탐지 문제를 이진 분류로 정의하고, 설비 운전 데이터에서 분류에 의미 있는 입력 표현을 설정했습니다. 이후 CNN의 합성곱 기반 특징 추출을 적용하여 과부하와 정상 패턴을 구분하도록 모델 구조를 구성하고 학습 과정을 조정했습니다. 최근에는 탐지 정확도와 함께 오탐/미탐 관점을 고려하여 모델의 일반화 성능을 점검하고, 제조 공정 데이터 특성에 맞춘 적용 가능성을 검토하는 방향으로 연구를 진행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

과부하 상태 분류
설비 보호 로직 연동
비상 대응 신호 생성
제조 라인 안전성 강화
공정 중단 최소화
정비 주기 산정 보조
상태 기반 제어 입력
불량 원인 후보군 자동 분류
데이터 기반 경보 시스템
운전 조건별 경계값 설정 지원