구름 베어링의 고정도 잔류 수명 예측 기술 개발

AI 활용을 통한 기계설비의 적절한 유지보수를 통해 생산성 향상에 기여

NTN 주식회사(이하 NTN)는 여러가지 AI 기법을 조합해 베어링의 남은 수명을 높은 정확도로 예측하는 기술을 개발했습니다. 베어링 고장의 원인이 되는 박리가 발생한 후 사용 한계까지의 남은 수명을 고정밀도로 예측함으로써 기계설비의 효율적인 유지보수 계획 입안을 가능하게 하여 생산성 향상과 비용 절감에 기여합니다.

기계설비에 내장된 베어링은 계속 사용하면 조건에 따라 경미한 박리가 발생하며 시간이 지나면 최악의 경우 파손으로 이어질 수도 있습니다. 그러나 박리가 발생한 후에도 기기의 구조나 설치 장소 등에 따라 유지보수가 쉽지 않은 경우에는 운전에 지장이 없는 범위에서 베어링이 계속 사용되는 경우가 있습니다. 베어링 상태는 진동 데이터에 의한 이상 감지 등에 의해 파악이 가능하지만 박리 등의 이상이 발생한 후 어느 정도의 기간 동안 베어링을 사용할 수 있는지(남은 수명)를 정확하게 파악하는 방법은 없으며 베어링이 아직 사용 가능한 상태라도 빨리 교체하거나 베어링이 파손된 후 교체하는 경우가 일반적입니다. 또한, 현장 작업자가 오랜 경험 등을 근거로 교환 시기 등을 판단하는 사례도 많아 인력 절감이나 자동화가 진행되는 가운데 기계나 설비 등의 다운타임 단축이나 유지보수 비용의 절감을 위해서 보다 정확한 베어링의 교환 시기를 알 수 있는 고정밀의 수명 예측 기술에 대한 요구가 높아지고 있습니다.

NTN이 이번에 개발한 수명 예측 기술은 딥러닝(심층학습)과 기본학습을 결합해 베어링 박리가 발생한 후 파손될 때까지의 수명 추정에 있어 정확도를 향상시킨 것입니다. 여러 AI 기법 중에서 컨볼루션 신경망이라 불리는 이미지 처리에 특화된 딥러닝을 선택하고 베어링 진동 데이터를 이미지 데이터로 변환하여 이용함으로써 베어링 손상 상태 및 수명 예측을 가능하게 합니다. 또한 베어링 손상의 진행 정도에 있어서 개체별 차이나 측정 데이터의 편차(오차)를 고려하여 예측치의 신뢰성을 평가하는 계층기반 회귀를 조합함으로써 신뢰성 높은 예측 모델을 확립했습니다. 손상 상태도 고려하는 것으로 기존 기술과 비교하여 수명의 예측 정확도를 약 30% 향상시켰습니다.

본 기술은 2017년에 국립대학법인 오사카대학 대학원 공학연구과(본부: 오사카부 스이타시)에 설립한 「NTN 차세대 협동연구소*」와 공동연구에 의한 것으로 당사가 지금까지 100년 이상에 걸쳐 쌓아온 베어링에 관한 기술이나 노하우 그리고 동 대학의 후쿠이 겐이치 준교수(산업과학연구소)를 비롯한 최첨단의 AI 연구에 관한 지견을 융합함으로써 실현된 것입니다.

NTN에서는 센서 기술과 IoT를 조합해 베어링의 유지보수성 향상에 공헌하는 서비스 솔루션 분야의 대응을 진행하고 있으며 베어링의 이상을 검지하는 「NTN 포터블 이상 검지 장치」나 베어링의 상태를 상시 감시하는 베어링 진단 앱 등 다양한 상품이나 서비스를 제공하고 있습니다.

NTN은 향후, 본기술의 실용화를 향한 검증을 진행시키는 것과 동시에 메인터넌스와 관련된 서비스에 활용을 도모함으로써, 기계설비의 적절한 유지보수 실시나 베어링의 최적 상태에서의 사용을 통해서 생산성의 향상이나 환경부하의 저감에 공헌해 갈 것입니다.