수학으로 서울 지하철 공조기 고장 예측한다

2019.07.01 11:58
연합뉴스 제공
연합뉴스 제공

수학적 기법을 통해 서울 지하철역의 환기설비 부품 이상을 예측할 수 있는 모델이 개발됐다.

 

국가수리과학연구소는 서울교통공사와 공동 연구를 통해 지하철 역사 내 환기설비에 쓰이는 공조기 부품의 이상을 딥러닝 기법을 활용해 자동으로 감지하는 모델을 개발하는 데 성공했다고 1일 밝혔다.

 

지하철 환기설비는 역사 냉방과 공기 정화를 책임지는 설비다. 최근 들어 장비 노후화로 인해 고장 빈도가 꾸준히 증가하며 유지관리비용이 늘어나고 있다. 이에 공사 측은 지난해 5월 환기설비를 효율적으로 제어하고 유지하기 위한 수학적 데이터 분석법을 개발해줄 것을 수리연에 의뢰했다.

 

수리연 연구팀은 지하철 환기실의 공조기 전류데이터와 실제 부품의 교체 날짜를 활용해 부품의 상태와 전류데이터 사이 관계를 분석했다. 부품이 정상일 경우에 나타나는 전류의 패턴과 부품 교체가 필요할 경우 나타나는 패턴이 다르다는 것을 활용했다. 연구팀은 딥러닝 기법을 활용해 이를 학습시켜 공조기 부품인 V 벨트와 베어링의 이상 상태를 감지하고 교체 필요 여부를 확률적으로 판단하는 모델을 개발했다.

 

건대입구역 공조기 V벨트 부품 정상 여부에 대한 전기신호 패턴 그래프다. 부품이 정상인 경우(파란색)과 교체가 필요한 경우(빨간색) 전류 패턴이 다른 것을 볼 수 있다. 국가수리과학연구소 제공
건대입구역 공조기 V벨트 부품 정상 여부에 대한 전기신호 패턴 그래프다. 부품이 정상인 경우(파란색)와 교체가 필요한 경우(빨간색) 전류 패턴이 다른 것을 볼 수 있다. 국가수리과학연구소 제공

연구팀은 해당 모델을 노원역과 건대입구역 등 서울 지하철 역사에서 실험해 평균 95% 이상의 정확도로 이상 상태를 감지하는 데 성공했다. 공조기 V 벨트 7곳과 베어링 5곳에 모델을 실제 적용해 시뮬레이션한 결과 평균 95% 이상의 정확도를 얻었다.

 

연구팀은 추가적인 후속 검증 절차를 거친 후 해당 모델을 서울시 지하철 전 역사에 적용할 계획이다. 모델은 기계장비의 이상 데이터를 자동으로 감지해 알려주는 ‘기계설비 자동제어 빅데이터 분석프로그램(SAMBA)’에 탑재된다. SMABA는 기계장비에 설치된 사물인터넷(IoT) 센서를 통해 수집된 데이터를 분석해 이상 징후가 포착되면 이를 알려주고 정비를 지시하는 프로그램으로 공사가 2015년부터 운영하고 있다.

 

공사 측은 “대형 고장의 원인이 되는 소모 부품을 최적기에 교체함으로써 유지관리 비용 감소와 지하철 환기설비의 안정적인 운용이 가능해질 것으로 예상한다”며 “지하철 역사 내 쾌적한 공기질 유지를 통해 고객 만족도가 높아질 것”이라고 말했다.

 

정순영 수리연 소장은 “이번 서울교통공사와의 공동 연구결과는 산업수학이 산업 분야뿐 아니라 공공의 영역까지 확대돼 다양한 분야에서 활용될 수 있음을 증명하는 좋은 사례가 될 것”이라고 말했다.

메일로 더 많은 기사를 받아보세요!

댓글 0

작성하기

    의견쓰기 폼
    0/150