소음, 진동 분석
개요
에스컬레이터에 소음, 진동 센서를 부착해 상시로 체인 늘어남 여부와 설비의 이상을 감지하고, 이상 감지 시 서버에서 AI 모델 및 ISO 표준에 의한 긴급 점검을 실시하여 효율적으로 설비를 점검합니다.
화면 스크린샷
[게이트웨이에서의 설비 이상 감지]
[체인 신율 – 상시 점검]
[AI 모델 추론 – 긴급 분석]
[ISO 기준 고장 등급 도출 긴급 분석]
주요기능
| 서버의 게이트웨이, 센서 제어 | – 게이트웨이, IoT 센서의 작동 여부 파악 – 게이트웨이, IoT 센서의 데이터 적재 및 분석 – 게이트웨이, IoT 센서 역제어 |
|---|---|
| 게이트웨이의 이상 감지 | – 게이트웨이 소음 데이터의 특징 벡터 추출 – 기 학습된 이상 감지 모델을 통한 이상 유무 판단 |
| 체인 신율 계산 | – 소음 데이터 리샘플링 – 체인-스프라켓 마찰음 추출 – 링크 별 피치 길이 측정 – 체인 길이 측정 및 신율 계산 |
| AI 모델 추론 | – 소음, 진동 데이터 크기 축소 – 소음, 진동 데이터의 주파수 대역 이미지화 – 기 학습된 CNN 모델을 통한 추론 |
| ISO 기준 고장 등급 도출 | – 진동 데이터 축(X,Y,Z)분리 – 진동 값 Overall값 도출 – ISO 기준 고장 등급 평가 – 결함 특성 주파수 대역의 주파수 값 산출 |
기대효과
실시간으로 설비의 이상 감지 및 긴급 점검을 통해 필요한 시점에 필요한 점검만 수행하는 시스템을 도입해 기존의 점검보다 효율적으로 점검할 수 있고, 설비에 의존적이지 않아서 범용적으로 확대 적용이 가능합니다.
| 업무적 효과 | – 유지보수 비용의 감소, 관리 인력 인건비 감소 – 설비의 불필요한 가동 중지 문제 해소 |
|---|---|
| 기술적 효과 | – 데이터 축적을 통한 AI 알고리즘의 성능 증가 – 설비의 수명 예측 가능 – 다양한 설비에 대해 범용적으로 적용 가능 |