초록
비행기 엔진 모니터링 데이터 평가를 위한 새로운 방법이 제안된다. 일반적으로 예측 유지보수 시스템은 특정 엔진 부품의 열화 과정에 대한 지식과 전문가의 경험을 바탕으로 잔여 수명(Remaining Useful Life, RUL)을 예측한다. 최근에는 이러한 비용이 큰 과정에 의존하지 않고도 정확한 진단을 제공할 수 있는 데이터 기반 접근법이 등장하였다. 그러나 대부분의 기존 방법은 모델 학습 과정이나 데이터 특성에 대한 설명력을 갖추지 못하고 있다. 이러한 격차를 극복하기 위해 변분 인코딩 기반의 새로운 접근법을 제안한다. 제안하는 모델은 순환 인코더와 회귀 모델로 구성되며, 인코더는 입력 데이터를 잠재 공간(latent space)으로 압축하는 방식으로 학습함으로써, 자가 설명 가능한 지도를 구축할 수 있는 기반을 제공한다. 이 지도는 항공기 엔진의 열화 속도를 시각적으로 평가하는 데 활용될 수 있다. 잠재 공간을 얻는 과정은 변분 추론을 기반으로 한 새로운 비용 함수와 예측 오차를 처벌하는 항목을 포함하는 정규화 기법을 통해 안정화된다. 결과적으로 해석 가능한 평가뿐만 아니라, 나사(NASA)의 대표적인 시뮬레이션 데이터셋 C-MAPSS에서 대부분의 최신 기술을 능가하는 뛰어난 예측 정확도를 달성하였다. 또한 본 연구에서는 실제 터보팬 엔진에서 수집한 실데이터를 활용하여 제안된 방법의 실제 적용 가능성을 입증하였다.