NTN : 구름베어링의 정확한 잔존 수명 예측 기술 개발〈기술〉

AI를 활용한 기계, 설비의 적절한 유지관리를 통해 생산성 향상에 기여

NTN주식회사(이하 NTN)가 여러 AI 기법을 결합해 잔여 수명을 정밀하게 예측하는 기술을 개발했다. 베어링 고장의 원인이 되는 박리 발생 후의 잔여 수명을 사용 한계까지 높은 정확도로 예측함으로써 기계, 장비의 효율적인 유지 관리 계획을 세울 수 있어 생산성 향상과 비용 절감에 기여합니다.

기계, 장비에 사용되는 베어링은 사용조건에 따라 미세한 박리 현상이 발생할 수 있으며, 최악의 경우 고장으로 이어질 수 있습니다. 그러나 장비구조 및 설치위치로 인해 베어링의 유지보수가 어려운 경우에는 작동에 지장이 없는 한 베어링을 계속 사용하는 경우도 있다. 진동 데이터를 이용하여 이상 징후를 감지함으로써 베어링의 상태를 판단할 수 있습니다. 그러나 베어링이 플레이킹 등의 이상이 발생한 후 얼마나 오랫동안 사용할 수 있는지(남은 내용연수) 정확하게 알 수 있는 방법이 없으며, 가능한 한 빨리 또는 베어링이 손상된 후에 베어링을 교체하는 것이 일반적입니다. 또한, 현장 작업자가 경력 연수 등을 토대로 교체 시기를 판단하는 사례가 많아, 인시 절약 및 자동 생산 시스템이 발전함에 따라 고정밀도의 잔존 수명 예측에 대한 필요성이 높아지고 있습니다. 기계, 장비 등의 가동 중단 시간을 줄이고 유지 관리 비용을 줄이기 위해 보다 정확한 베어링 교체 시기를 허용하는 기술입니다.

NTN이 개발한 잔존 수명 예측 기술은 딥러닝과 베이지안 학습을 결합해 베어링 플레이킹 발생부터 손상 시점까지의 잔존 수명 예측 정확도를 향상시켰다.

여러 AI 방식 중에서 NTN은 컨볼루션 신경망(Convolutional Neural Network)이라는 이미지 처리에 특화된 딥러닝을 선택합니다. 베어링의 진동 데이터를 이미지 데이터로 변환하여 사용할 수 있어 베어링의 손상 상태와 남은 수명을 예측할 수 있습니다. 또한 베어링의 손상 진행 정도에 대한 측정 데이터의 개인차와 편차(오차)를 고려하여 예측값의 신뢰도를 평가하는 계층적 베이지안 선형 회귀분석을 결합하여 신뢰성이 높은 예측 모델을 구축했습니다. 손상상태까지 고려함으로써 기존 기술에 비해 잔여 수명 예측 정확도가 약 30% 향상됐다.

이 기술은 국립대학법인 오사카대학 공학연구과(본사: 오사카부 스이타시)에 2017년에 설립된 NTN 차세대 연구 연합 연구소*의 공동 연구 프로젝트의 결과입니다. 이는 NTN이 100년 이상 쌓아온 기술과 지식을 SANKEN(과학산업연구소) 부교수 후쿠이 켄이치 등 대학의 최첨단 AI 연구 지식과 결합해 실현됐다. 오사카대학)

NTN은 센서 기술과 IoT를 결합한 서비스 및 솔루션 분야의 이니셔티브를 추구하고 있으며, 베어링 이상을 감지하는 "NTN 휴대용 진동경"과 지속적으로 베어링 진단 애플리케이션을 포함하여 베어링의 유지 관리성을 향상시키는 데 도움이 되는 다양한 제품과 서비스를 제공하고 있습니다. 베어링 상태를 모니터링합니다.

앞으로도 NTN은 이 기술의 타당성을 지속적으로 검증해 나갈 예정이다. 이 기술을 유지보수 관련 서비스에 활용함으로써 기계 및 장비의 적절한 유지보수와 베어링의 최적 사용을 통해 생산성 향상과 환경 영향 감소에 기여할 것입니다.