시스템 개요
머신러닝 기법 중의 하나인 Empirical Modeling 방법을 사용하여 감시 대상 설비의 여러 센서들 간의 관계 패턴을 과거 운전데이터를 학습하여 각 설비에 최적화된 예측모델을 생성하고 설비의 비정상 및 고장을 감지하는 시스템 입니다.
모델은 설비의 각 센서에 대해 제시되는 예측 값과 실시간 운전 값을 비교하여 편차가 허용범위를 벗어나면 설비의 비정상 상태를 감지하여 조기경보를 제공합니다.
주요기능
- 과거 운전데이터의 학습을 통한 예측모델 생성(머신러닝)
- 예측값, 잔차 및 동적 예측범위 생성
- 예측값과 실측값을 실시간 비교하여 조기경보 생성
- 조기경보 표시 및 분석
- 진단 규칙(Diagnostic Rule) 설정
- 운전정보 시스템과 실시간 연계
적용분야
- 발전 및 유틸리티
- 정유 및 가스
- 화학/석유화학 및 정밀화학
- 전기/전자 및 반도체
- 전지 및 소재
- 제지 및 철강/금속
- 식/음료 및 제약
- 자동차 및 중공업
- 기타 제조
활용사례
스팀터빈 윤활유 공급 문제 발견 사례
- 고객사 스팀터빈 윤활유 공급부에 문제가 발생하여 헤더 압력이 0.2 kg/cm2 떨어짐.
- 동일한 시점에 스팀터빈 베어링 온도가 3도 이상 상승하며 조기경보 발생.
- 운전원 실에 문제 확인 후 사고를 방지함.
[사고감지 예측차트 예시]