산업 생산 시스템을 위한 이상 기반 건강 지표에 근거한 엣지 지원 예측 유지보수 접근법

본 연구는 엣지 지원 예측 알고리즘을 활용하여 산업 시스템에서 예측 유지보수 및 건강 관리 예측을 위한 데이터 기반 프레임워크를 개발한다. 목적은 비정상 작동 조건을 조기에 식별하고 실제 생산 환경에서 유지보수 의사결정을 향상시키는 것이다. 제안된 접근법은 엣지 수준 모니터링, 이상 탐지 및 예측 모델링을 결합하여 고주파 산업 데이터에서 작동 신호를 분석하고 시스템 건강 상태를 추정한다. 2024년부터 2025년까지 두 개 산업 생산 시설에서 수집된 작동 데이터셋을 이용한 실증 검증이 수행되었다. 이 모델은 작동 불안정 및 열화 관련 이상과 연관된 패턴을 평가하고 이를 해석 가능한 건강 지표로 변환하여 사전 개입을 지원한다. 실증 결과는 R2가 0.989에 도달하고 평균 절대 백분율 오차가 3.67%, 평균 제곱근 오차가 0.79로 강력한 예측 성능을 보였다. 또한 조기 이상 신호의 완화는 시스템 안정성과 약 3.99%의 개선과 연관되었다. 이상 탐지, 예측 모델링 및 예후 분석을 별개 작업으로 취급하는 기존 연구들과 달리, 제안된 프레임워크는 산업 환경에서의 배포를 위해 이 단계를 통합적 분석 구조 내에서 연결한다. 결과는 엣지 생성 이상 신호가 잠재적 시스템 열화에 관한 의미 있는 조기 정보를 제공하며, 명확한 고장 레이블이 제한적인 경우에도 적시 유지보수 계획 수립에 도움을 줄 수 있음을 시사한다. 본 연구는 인공지능과 엣지 기반 산업 모니터링 시스템을 통합한 확장 가능한 예측 유지보수 솔루션 개발에 기여한다.