[논문 리뷰] Predictive Maintenance -- Bridging Artificial Intelligence and IoT

Gerasimos G. Samatas, Seraphim S. Moumgiakmas외 1명|arXiv (Cornell University)|2021. 03. 20.

Quality and Safety in Healthcare참고 문헌 19인용 수 5

한 줄 요약

이 논문은 예측 정비에서 인공지능(AI)과 사물인터넷(IoT)의 통합을 조사하며, 산업 분야, AI 모델, 센서 유형 간의 추세를 분석한다. 가장 흔한 AI 모델로는 인공신경망, 서포트벡터머신, 랜덤 포레스트를 확인하였고, 온도 및 진동 센서가 IoT 응용 분야에서 지배적이며, 특히 제조 부문에서 54.54%의 출판물 비중을 차지한다.

ABSTRACT

This paper highlights the trends in the field of predictive maintenance with the use of machine learning. With the continuous development of the Fourth Industrial Revolution, through IoT, the technologies that use artificial intelligence are evolving. As a result, industries have been using these technologies to optimize their production. Through scientific research conducted for this paper, conclusions were drawn about the trends in Predictive Maintenance applications with the use of machine learning bridging Artificial Intelligence and IoT. These trends are related to the types of industries in which Predictive Maintenance was applied, the models of artificial intelligence were implemented, mainly of machine learning and the types of sensors that are applied through the IoT to the applications. Six sectors were presented and the production sector was dominant as it accounted for 54.54% of total publications. In terms of artificial intelligence models, the most prevalent among ten were the Artificial Neural Networks, Support Vector Machine and Random Forest with 27.84%, 17.72% and 13.92% respectively. Finally, twelve categories of sensors emerged, of which the most widely used were the sensors of temperature and vibration with percentages of 60.71% and 46.42% correspondingly.

연구 동기 및 목표

• 기계 학습 및 IoT 기술을 활용한 예측 정비 응용의 현재 추세를 분석하기 위해.
• 예측 정비 솔루션을 도입하고 있는 주요 산업을 특정하기 위해.
• 예측 정비 시스템에서 가장 자주 사용되는 인공지능 모델을 규명하기 위해.
• IoT 기반 예측 정비 구현에 활용되는 센서의 빈도와 유형을 평가하기 위해.
• AI, IoT, 산업 정비 관행 간의 융합에 대한 종합적 개요를 제공하기 위해.

제안 방법

• 예측 정비, AI, IoT와 관련된 출판물에 중점을 둔 과학적 문헌 리뷰를 수행하였다.
• 연구 논문을 산업 부문, AI 모델 유형, 센서 유형으로 분류하였다.
• 분석된 출판물들 사이에서 AI 모델과 센서 유형의 빈도를 정량화하였다.
• 통계 분석을 통해 예측 정비 응용 분야에서 가장 흔한 AI 모델과 센서 유형을 규명하였다.
• 산업 부문 간 출판물 분포를 맵핑하여 주요 응용 부문을 특정하였다.
• 기계 학습이 IoT 데이터를 활용해 실시간 상태 모니터링 및 고장 예측을 가능하게 하는 역할을 평가하였다.

실험 결과

연구 질문

• RQ1 AI와 IoT를 활용한 예측 정비 시스템을 가장 활발히 도입하고 있는 산업은 무엇인가?
• RQ2 예측 정비 응용에서 가장 흔히 사용되는 인공지능 모델은 무엇인가?
• RQ3 IoT 기반 예측 정비 시스템에서 주로 사용되는 센서 유형은 무엇인가?
• RQ4 AI 모델과 센서 유형의 빈도는 특정 산업 응용과 어떻게 관련이 있는가?
• RQ5 다양한 부문에서 AI와 IoT의 통합으로부터 도출되는 주요 추세는 무엇인가?

주요 결과

• 생산 부문이 예측 정비 연구에서 지배적이었으며, 총 출판물의 54.54%를 차지하였다.
• 인공신경망은 가장 널리 사용된 AI 모델이었으며, 분석된 연구의 27.84%에서 나타났다.
• 서포트벡터머신은 두 번째로 흔한 모델이었으며, 출판물의 17.72%에서 사용되었다.
• 랜덤 포레스트는 세 번째로 흔한 모델이었으며, 연구의 13.92%에서 활용되었다.
• 온도 센서는 가장 널리 사용된 센서 유형이었으며, 응용의 60.71%에서 등장하였다.
• 진동 센서는 두 번째로 흔한 센서로, 예측 정비 시스템의 46.42%에서 사용되었다.