산업 빅 데이터로 고장 진단: 분류, 리뷰 및 응용

고장 진단은 실무와 연구 모두에서 중요한 주제입니다. 산업 시스템에는 계획에 없는 다운타임, 성능 저하 및 안전 위험을 줄이기 위한 강한 압력이 존재하며, 이는 가능한 한 조기에 잠재적인 고장을 감지하고 복구해야 함을 의미합니다. 역사적 관점에서 이 논문은 고장 진단을 이전 연구와 산업 빅 데이터 시대를 구분합니다. 주요 동인에 따라, 이 논문은 고장 진단을 지식 기반, 데이터 기반 및 가치 기반 방법으로 분류합니다. 이 중 앞의 두 접근 방식은 이전 고장 진단 연구에 해당합니다. 이들은 주로 전문가 경험과 얕은 모델에 의존하여 상대적으로 작은 크기의 데이터에서 결함을 감지하고 추출합니다. 데이터의 지속적인 기하급수적 증가와 함께 대량의 다원적 이질 데이터에서 가치 있는 고장 정보를 추출하는 것은 불충분합니다. 산업 빅 데이터에 내재된 방대한 진단 가치는 빅 데이터 기반의 고장 진단을 포함하는 세 번째 범주의 출현을 촉진했습니다. 이는 높은 효율성, 비용 효과성 및 일반성을 나타내는 빅 데이터 처리 및 분석으로 구성되어 있으며, 이전 방법들이 직면했던 문제를 잘 해결할 수 있습니다. 우리는 적용 가능성의 관점에서 기기 심전도의 개념을 소개하고, 빅 데이터에 대한 고장 진단의 현황을 개략적으로 설명하며, 전통적인 진단 시스템과 비교합니다. 또한, 추가로 고려해야 할 문제와 도전 과제에 대해서도 논의합니다. 수집된 산업 빅 데이터를 처리하고 이를 실천에 옮겨 막대한 숨겨진 진단 가치를 발굴하기 위해 더 발전된 진단 방법을 통합하거나 탐험하는 것이 매우 가치 있을 것입니다.