국가수리과학연구소는 서울교통공사와 공동으로 지하철 역사 내 다양한 공조기에 적용할 수 있는 '주요 부품 이상 자동 감지 모델'을 개발했다고 1일 밝혔다.
지하철 환기 설비는 역사의 냉방과 쾌적한 내부 공기를 책임지는 중요한 설비이다. 하지만 장비 노후화로 인해 고장 빈도가 꾸준히 늘어 유지관리 비용에 많은 비용이 들어가고 있다.
서울교통공사는 환기설비의 효율적 제어와 유지 관리를 수학적 데이터 분석을 통해 해결하기 위해 지난해 5월 수리연에 이상 작동 감지 및 예측 모델 개발을 의뢰했다.
수리연 연구팀은 지하철 환기실 내 송풍기에서 수집되는 전류 데이터와 실제 부품 교체 날짜를 활용해 부품 상태와 조건에 대한 패턴을 분석했다. 이를 토대로 공조기 주요 부품인 V벨트와 베어링 부품의 이상 상태 정도를 감지해 교체 여부를 확률적으로 판단하는 '딥러닝 모델'을 개발했다.
이 모델은 서울교통공사가 관리하고 있는 전체 지하철 역사 내 8000여 대의 공조기 모터에 적용해 자동으로 부품 이상 상태를 분류하는 데 성공했다.
연구팀은 딥러닝 모델을 서울 노원역과 건대입구역 등에 적용해 부품 이상 상태 감지를 시뮬레이션한 결과, 평균 95% 이상의 정확도를 얻었다고 설명했다.
서울교통공사는 후속검증 절차를 마치고, 기계장비의 이상 데이터 발생 시 자동으로 알려주는 프로그램인 '기계설비 자동제어 빅데이터 분석(SAMBA) 시스템'에 딥러닝 모델을 탑재해 서울시 지하철 모든 역사에 적용할 계획이다. 공사 측은 유지관리 비용 감소와 지하철 환기 설비의 안정적 운용, 지하철 역사 내 쾌적한 공기질 유지 등에 기여할 것으로 내다보고 있다.
정순영 수리연 소장은 "산업수학이 산업분야뿐 아니라 공공영역까지 확대돼 다양한 분야에서 활용될 수 있음을 증명하는 좋은 사례가 될 것"이라고 말했다.대전=이준기기자 bongchu@dt.co.kr
수리연이 개발한 주요 부품 이상 자동 감지 딥러닝 모델을 건대입구역 공조기에 적용해 부품 정상 여부에 대한 패턴을 보여주는 그래프 모습. 시뮬레이션 결과, 평균 95% 이상의 정확도를 얻었다. 수리연 제공
