열화상 이미지와 빅데이터 기반 에어컨 공조설비 예측진단

초록

현재 공조설비는 도메인 지식 없이 직관적으로 고장을 예측 하는 실효성 있는 진단 방법이 없다. 공조설비가 고장 난다면 고장시간과 수리시간 동안 가동이 정지하므로 비용 측면에서 큰 손실이 발생한다. 기존의 공조설비 진단을 개선하기 위해 열화상 이미지를 이 용해 공조설비를 예측 진단하고자 한다. 더 나아가 열화상 이 미지 외에 다른 시계열 데이터 분석을 통해 설비의 고장을 예 측하며, 이상 징후가 발견될 경우 수리하여 전력시설의 차단을 방지하는 것이 목표이다. 열화상 이미지는 진동이나 소음 분야와 달리, 해당 정보를 해석하는 것이 어렵지 않고, 센서의 부착이 필요 없는 비접촉 방식이라는 장점을 가지고 있다. 딥러닝 객체 검출 알고리즘은 열화상 카메라(FLIR E5 WIFI)를 이용해 수집된 열화상 이미지 로 훈련되며, 테스트 이미지가 모델에 들어오면 해당 객체를 검출한다. 또한 단순 이미지 분석을 통해 결과를 도출하기보다 는 시간의 흐름에 따라 관찰된 값들을 분석함으로써 미래의 상 태를 진단하고 경향, 주기, 계절성 등 유의미한 정보들을 활용 하여 검출 모델의 신뢰성을 더해준다. 공조설비는 열화상 이미 지와 시계열 데이터 분석을 통해 진단되며 이를 통해 시스템의 고장을 사전에 예측할 수 있어 효율적인 관리가 가능하다.