해양 선박 발전기 데이터를 이용한 순환 신경망 적용 방안 연구
A Study on the Application of Recurrent Neural Networks Using Marine Ship Generator Data
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
선박의 안정적인 운항성능을 확보하고 기관 시스템의 핵심 장비에 대한 데이터를 기반으로 이상을 감지하여 고장에 대한 예방 및 운영관리의 효율성 측면에서 상태감시 및 진단, 예측 기술의 필요성이 크게 주목받고 있다. 하지만 선박의 고장 감시 시스템은 경보점을 설정하여 설정치보다 높거나 낮음에 따라 알림 하는 모니터링 시스템(AMS)을 사용하지만 이러한 형태의 고장진단 체계는 이상 징후를 사전에 예측할 수 없다. 따라서, 본 연구는 공공데이터인 선박 발전기 데이터를 이용하여 순환신경망(RNN) 기반으로 분석하고 옵티마이저에 따라 해당 모델의 적절성 및 성능을 파악한다. 이에 해양 환경에서의 예측 능력을 평가하고 각 모델을 분석 함으로써 적절한 모델의 신뢰성을 확인하고자 한다. 이를 통해 정기적인 예방 정비나 고장 발생 후에 수리하는 예전 방식에 비해 많은 비용과 시간이 단축되며 선박 운항의 효율성이 증가할 것으로 예상된다.
Abstract
The need for condition monitoring, diagnostics, and predictive technologies has become increasingly prominent to ensure the stable operational performance of ships, detect anomalies based on core equipment data of engine systems, and improve efficiency in fault prevention and operational management. However, traditional ship fault monitoring systems use alarm monitoring systems (AMS) that alert when the set points are exceeded or not met, but such fault diagnosis systems cannot predict anomalies in advance. Therefore, this study analyzes public data of ship generators based on recurrent neural networks (RNN) and evaluates the appropriateness and performance of the models according to different optimizers. By assessing the predictive capabilities in a maritime environment and analyzing each model, the study aims to verify the reliability of the appropriate models. This is expected to significantly reduce the cost and time compared to the previous methods of periodic preventive maintenance or repairs after a fault occurs, thereby increasing the efficiency of ship operations.
참고문헌 (12)
- Donghyun Kim, "Detecting outliers in ship main engine big data using ensemble techniques", Fisheries and Ocean Technology Research (formerly Journal of the Korean Society of Fisheries Technology), 56(4), pp.384~394 (2020)
- Jaecheol Park, "Development of failure mode data of a two-stroke low-speed engine for ship propulsion and reliability verification of characteristic factors using LSTM algorithm", Proceedings of the Korean Society of Naval Architecture, 60(2), pp.95~109 (2023)
- Deris S, "Ship maintenance scheduling by genetic algorithm and constraint-based reasoning", European Journal of Operational Research, 112, pp.489~502 (1999)[DOI]
- Sherstinsky, Alex, "Fundamentals of recurrent neural network (RNN) and long short-term memory (LSTM)network", Physica D: Nonlinear Phenomena, 404, pp.132306~ (2020)
- Joo Ki-hoon, "Machine learning optimizer performance evaluation", Journal of the Institute of Electrical and Electronics Engineers, 24(3), pp.766~776 (2020)
- Seung-yeol Yoo, "Study on filtering time series data of spa platform using recurrent neural network technique", Journal of Korea Society of Marine Engineering, 43(1), pp.8~17 (2019)