멀티변량 데이터 분석을 활용한 전력 측정 기반 공구 수명 예측 유지보수

초록

본 논문은 의료기기 제조 공정에서 기록된 전력 데이터를 멀티변량 데이터 분석(MVDA)으로 처리하여 연삭 공구의 상태를 실시간으로 판단하고, 100 % 정확도로 예측하는 유지보수 스케줄링 알고리즘을 제시한다. 이를 통해 제품 폐기량을 최소화하고 운영 비용을 절감할 수 있다.

상세 분석

본 연구는 제조 현장에서 흔히 발생하는 전력 신호를 고해상도 시계열 데이터로 수집하고, 이를 공구 마모와 직접 연관짓는 모델링 과정을 상세히 제시한다. 데이터 전처리 단계에서는 노이즈 제거를 위해 이동 평균 필터와 고역통과 필터를 적용하고, 각 작업 사이클을 동일한 길이로 보간하여 변수 차원을 정규화하였다. 이후 변수 선택을 위해 변수 중요도(VIP)와 상관관계 분석을 수행해 전력 피크, 평균 전류, 상승 시간 등 12개의 핵심 특성을 추출하였다.

멀티변량 분석 기법으로는 주성분 분석(PCA)으로 차원 축소 후, 선형 판별 분석(LDA)과 부분 최소 제곱 회귀(PLS‑R)를 결합한 하이브리드 모델을 구축하였다. PCA는 95 % 누적 설명력을 확보하기 위해 4개의 주성분을 선택했으며, 이들 주성분은 공구 마모 초기 단계와 급격한 마모 단계 사이의 전력 패턴 변화를 명확히 구분한다. LDA는 두 클래스(정상, 마모) 간의 분리 경계를 최적화했으며, 교차 검증 결과 평균 분류 정확도가 98 %에 달했다. 최종적으로 PLS‑R을 이용해 마모 정도를 연속적인 수치로 예측함으로써, 공구 교체 시점을 정밀하게 추정할 수 있었다.

모델 검증은 독립적인 테스트 셋(전체 데이터의 20 %)을 사용했으며, 모든 테스트 샘플에서 실제 공구 상태와 예측 결과가 일치해 100 % 정확도를 기록했다. 이는 전력 신호가 공구 마모에 대한 민감한 지표임을 실증적으로 입증한다. 또한, 모델의 실시간 적용 가능성을 검증하기 위해 현장 PLC(Programmable Logic Controller)와 연동한 시뮬레이션을 수행했으며, 1초 이내의 응답 시간으로 유지보수 알림을 제공할 수 있음을 확인했다.

한계점으로는 현재 연구가 단일 공정(의료기기 금속 연삭)과 단일 종류의 연삭 툴에 국한되어 있어, 다른 재료·공정에 대한 일반화 가능성을 추가 실험을 통해 검증해야 한다는 점이다. 또한, 전력 외에 진동·음향 등 다중 센서 데이터를 통합하면 모델의 강인성을 더욱 향상시킬 수 있을 것으로 기대된다.