반복영역 바로가기
주메뉴로 바로가기
본문으로 바로가기

유망기술찾기

유망기술검색

유망기술찾기 유망기술검색

중소기업 기술로드맵 조회결과

로드맵 분류표 보기    
딥러닝 기반 기계 점검 SW
* 발행 년도 : 2017년
1. 기술로드맵

딥러닝 기반 기계 점검 SW 기술로드맵

2. 개요
가. 정의 및 범위
  • 정의 : 딥러닝(Deep learning)은 머신러닝(Machine learning)의 일종으로, 수십 층으로 구성된 깊은 신경망을 머신러닝으로 학습하는 것
  • 범위 : 딥러닝은 스케치와 다양한 자료 검색과 같은 간단한 작업에서부터 생활가전, 카메라와 같은 전자제품까지 활용되고 있음
3. 시장현황 및 전망분석
가. 세계시장

Marketsandmarkets에 의하면 딥러닝 분야의 세계 시장 규모는 2016년 8,690만 달러에서 연평균 65.3%씩 급증해 2021년에는 10억 7,250만 달러에 도달할 전망

[ 딥러닝 분야의 세계 시장규모 및 전망 ]

(단위 : 백만 달러, %)

딥러닝 분야의 세계 시장규모 및 전망
구분‘16‘17‘18‘19‘20‘21CAGR('16~'21)
세계시장 86.9 143.7 237.5 392.5 648.8 1072.5 65.3

* 출처 : Deep Learning Market by Application (Image Recognition, Signal Recognition, Data Mining), Offering (Hardware (Von Neumann and Neuromorphic Chip), and Software), End-User Industry, and Geography - Global Forecasts to 2022(Marketsandmarkets, 2016)

Marketsandmarkets에 의하면 예방보전 분야의 세계 시장 규모는 2016년 14억 430만 달러에서 연평균 28.4%씩 증가해 2021년 49억 400만 달러에 도달할 전망

[ 예방보전 분야의 세계 시장규모 및 전망 ]

(단위 : 백만 달러, %)

예방보전 분야의 세계 시장규모 및 전망
구분‘16‘17‘18‘19‘20‘21CAGR
세계시장 1,404.3 1,803.1 2,315.2 2,972.7 3,817.0 4,904.0 28.4

* 출처 : Predictive Maintenance Market by Component, Deployment Type (Cloud and on-Premises), Organization Size (SMES and Enterprises), Vertical, and Region - Global Forecast to 2021(Marketsandmarkets, 2017)

나. 국내시장

과학기술정보통신부에 의하면 국내 인공지능 기반 SW 분야의 국내 시장규모는 2016년 5조 4,000억 원에서 연평균 18.6%씩 증가해 2021년 12조 6,873억 원에 이를 전망

[ 인공지능 기반 SW 분야의 국내 시장규모 및 전망]

(단위 : 억 원, %)

인공지능 기반 SW 분야의 국내 시장규모 및 전망
구분‘16‘17‘18‘19‘20‘21CAGR
국내시장 54,000 64,000 75,000 91,000 111,000 126,873 18.6

* 출처 : 과학기술정보통신부

4.기술분석
가. 기술환경 분석

산업현장의 설비들은 수많은 물리적 구성품이 복합적으로 묶여져 있는 하나의 시스템이기 때문에, 한 부품의 불시 고장은 전체적인 시스템의 성능 저하 및 엄청난 인적, 물적, 사회적 손실을 초래할 수 있음.

  • 향후 산업설비의 용량 및 복잡도가 증가할 것을 고려하면 신뢰성 있는 시스템 관리는 중요한 문제
  • 이에 대한 대안으로, 센서를 이용해 산업설비의 상태를 모니터링하여 고장을 진단하고 잔여유효수명을 예측하는 시스템 고장진단 및 예지기술(Prognostic and Health Management, 이하 PHM)에 대한 주목도가 상승
[ 설계 및 정비기술의 발전 ]

 

  • 데이터 취득 단계에서는 실제 산업설비의 특성을 분석하고 이상 상태를 감지하기 위한 최적의 센서 종류, 위치, 수량을 결정하고 데이터 취득 시스템을 구축
  • 전처리 및 특징인자 추출 단계에서는 계측, 수집된 원신호에서 고장과 관련 있는 통계적, 물리적 건전성 특징인자를 추출
  • 고장 진단 단계에서는 추출한 건전성 특징인자를 바탕으로 정상/이상을 판단하고 고장 모드를 추정
  • 수명 예측 단계에서는 실제로 시스템이 정지에 이르기까지 남은 잔여 유효수명을 예측
    특정 시스템에 PHM기술을 적용하기 위해서는 시스템에 대한 물리적 지식, 다차원 특징인자 분석, 수많은 고장 데이터가 요구됨

 

  • 인공지능이란 ‘인간의 학습능력과 추론능력, 지각능력 등을 컴퓨터 프로그램으로 실현한 기술’을 의미하며 특히 기계학습(machine learning) 기술을 활용하여 현실화가 가능해짐
  • 기계학습기술을 활용하면 다차원의 방대한 데이터를 학습하여 새로운 데이터의 속성을 분류하고 예측 가능
  • 기계학습 기술을 PHM에 접목하면, 다차원의 건전성 특성인자를 바탕으로 자동화된 고장 분류 수행 및 고장 기준 선정 및 열화 모델 구축을 수행 가능
  • 또한 딥러닝(deep learning) 기술을 활용하여 시스템에 대한 적은 물리적 이해를 바탕으로도 건전성 특징인자를 추출하는 연구도 진행
5. 핵심요소기술 선정

확정된 요소기술을 대상으로 중소기업에 적합한 핵심요소기술 선정

[ 딥러닝 기반 기계 점검 SW 기술 분야 핵심요소기술 ]

딥러닝 기반 기계 점검 SW 기술 분야 핵심요소기술
분류핵심요소기술설명
실시간 센서 모니터링 기술 센서 데이터 통합 기술 산업설비의 특성을 분석하고 이상 상태를 감지하기 위한 최적의 센서 종류, 위치, 수량을 결정하고 취득 데이터를 실시간으로 통합하는 기술
빅데이터 기반 통합 데이터 모델 구축 기술 계측, 수집된 원신호에서 고장과 관련 있는 통계적, 물리적 건전성 특징인자를 추출하고 고장 및 정비 이력 데이터와 통합하기 위한 빅데이터 모델 구축 및 분석 기술
고장 패턴 분석 기술 결함 검출 및 분류 기술 추출한 건전성 특징인자를 바탕으로 정상/이상을 판단하고 고장 모드를 추정하는 결함 검출 및 분류 기
결함 위치 측정 기술 건전성 특징인자와 고장 패턴을 분석하여 기계 설비의 결함위치를 측정하는 기술
기기 상태 예측 및 원격 관리 기술 딥러닝 기반 고장 예지 기술 딥러닝(deep learning) 기술을 활용하여 시스템에 대한 적은 물리적 이해를 바탕으로도 건전성 특징인자를 추출하여 고장을 예측하는 기술
부품 수요 및 기계 잔존 수명 예측 기술 시스템에 대한 물리적 지식, 다차원 특징인자 분석, 고장 데이터 등을 활용하여 실제로 시스템이 정지에 이르기까지 남은 잔여 유효수명을 예측하는 기술
정비 시나리오 기반 의사결정지원 기술 손상모델 실시간 업데이트를 통해 손상에 관련된 물리적 해석 모델을 구축하고, 온라인으로 축적되는 건전성 데이터를 이용하여 손상정도를 실시간 추정하며, 이를 통해 정비 시기 의사결정을 지원하는 기술
원격관리 통합 플랫폼 기계 상태에 대한 실시간 현장 및 원격 모니터링을 통해 설비의 이상 유무 및 위치를 파악하고 유지 관리할 수 있는 원격관리 시스템의 통합 개발 및 운영 플랫