- 수리硏, 서울 지하철역 공조기 부품 이상 자동 감지하는 딥러닝 모델 개발

국가수리과학연구소는 서울교통공사와 '서울 지하철역 기계장비 고장 예지 알고리즘 개발' 공동 연구를 통해 지하철 역사 내 다양한 공조기에 적용 가능한 주요 부품 이상 자동 감지 모델을 개발하는데 성공했다고 1일 밝혔다.

지하철 환기 설비는 역사의 냉방과 쾌적한 내부 공기를 책임지는 중요한 설비지만 최근 들어 장비의 노후화로 인해 고장 빈도가 꾸준히 증가하고 있고, 많은 유지관리 비용이 투입되고 있다. 서울교통공사 측은 환기설비의 효율적인 제어와 유지 관리를 위해 수학적 데이터 분석 방법 개발 등에 관한 산업수학 문제를 지난해 5월 수리연에 의뢰, 양 기관은 환기 설비 이상 작동 감지 및 예지 모델 개발을 위한 공동 연구를 진행해왔다.

수리연 연구진은 지하철 환기실의 공조기(송풍기)에서 수집되는 전류데이터와 실제 부품 교체 날짜를 활용해서 부품의 상태와 조건에 대한 패턴분석을 진행했다. 이를 바탕으로 공조기 주요 부품인 V벨트와 베어링 부품의 이상 상태 정도를 감지해 교체 필요 여부를 확률적으로 판단하는 딥러닝 모델을 개발했다. 또한 해당 모델을 공사 측이 관리하고 있는 전체 지하철역 내 8천여대의 공조기 모터에 적용할 수 있도록 자동으로 부품의 이상 상태를 분류하고 딥러닝 모델을 생성하는 방법을 개발하는데 성공했다.

해당 모델을 노원역, 건대입구역 등 서울 지하철 역사 내 공조기 V벨트와 베어링에 실제 적용, 이상 상태 감지를 시뮬레이션한 결과 평균 95% 이상의 정확도를 얻을 수 있었다.

양 기관은 이후 추가적인 후속 검증 절차를 진행한 후 해당 모델을 서울시 지하철 전 역사에 적용할 계획이다.

대형 고장의 원인이 되는 노후화된 축과 임펠러 등의 공조기 소모 부품을 최적기에 교체함으로써 유지관리 비용 감소와 지하철 환기 설비의 안정적인 운용이 가능해 질 것으로 예상하고 있다.

정순영 수리연 소장은 "이번 서울교통공사와의 공동 연구 결과는 산업수학이 산업 분야뿐 아니라 공공의 영역까지 확대돼 다양한 분야에서 활용될 수 있음을 증명하는 좋은 사례가 될 것이다"라고 밝혔다.

수학분석으로 지하철역 기계장비 고장 막는다
건대입구역 공조기 V벨트 부품 정상 여부에 대한 패턴 그래프. [국가수리과학연구소 제공]