[논문 리뷰] Fault prediction in aircraft engines using Self-Organizing Maps

Marie Cottrell, Patrice Gaubert외 5명|arXiv (Cornell University)|2009. 07. 08.

Advanced Statistical Methods and Models참고 문헌 1인용 수 6

한 줄 요약

이 논문은 자기조직화 지도(SOM)를 사용하여 항공기 엔진 센서 데이터의 다차원적 시간적 변화를 시각화함으로써 고장 예측 시스템을 제안한다. 코어 속도, 오일 압력, 환경 변수와 같은 고차원의 비행 측정값을 2차원 SOM에 투영함으로써 데이터 경로를 추적하여 비정상 패턴을 탐지함으로써, 고장이 발생하기 이르기 전에 잠재적 고장을 조기에 식별할 수 있다.

ABSTRACT

Aircraft engines are designed to be used during several tens of years. Their maintenance is a challenging and costly task, for obvious security reasons. The goal is to ensure a proper operation of the engines, in all conditions, with a zero probability of failure, while taking into account aging. The fact that the same engine is sometimes used on several aircrafts has to be taken into account too. The maintenance can be improved if an efficient procedure for the prediction of failures is implemented. The primary source of information on the health of the engines comes from measurement during flights. Several variables such as the core speed, the oil pressure and quantity, the fan speed, etc. are measured, together with environmental variables such as the outside temperature, altitude, aircraft speed, etc. In this paper, we describe the design of a procedure aiming at visualizing successive data measured on aircraft engines. The data are multi-dimensional measurements on the engines, which are projected on a self-organizing map in order to allow us to follow the trajectories of these data over time. The trajectories consist in a succession of points on the map, each of them corresponding to the two-dimensional projection of the multi-dimensional vector of engine measurements. Analyzing the trajectories aims at visualizing any deviation from a normal behavior, making it possible to anticipate an operation failure.

연구 동기 및 목표

• 수십 년에 걸친 운영 기간 동안 고장 확률 0%를 달성하는 데 도전하는 노후 항공기 엔진의 유지보수 문제를 해결한다.
• 비행 중 센서 데이터를 활용하여 고장 조기 예측을 통해 유지보수 효율을 향상시킨다.
• 다차원 엔진 측정값의 복잡성을 해소하기 위해 시간에 따른 측정값의 변화를 시각화한다.
• 정상 작동 행동에서의 이탈을 탐지하여 실제 고장 발생 이전에 엔진 고장을 예측한다.
• 시간에 따른 엔진 상태 추세를 시각적이고 해석 가능한 형태로 제공함으로써 유지보수 결정을 지원한다.

제안 방법

• 코어 속도, 팬 속도, 오일 압력, 외기 온도, 고도, 항공기 속도 등을 포함한 다차원 비행 데이터를 수집한다.
• 차원 감소 및 시각화를 위해 각 엔진 측정값 벡터를 두 차원 자기조직화 지도(SOM)에 투영한다.
• 시간 스탬프가 부여된 측정값에 대응하는 연속된 맵 노드로 구성된 궤적을 통해 각 엔진의 시간적 변화를 추적한다.
• SOM의 위상적 순서를 활용하여 측정값 간 유사성을 유지함으로써 이상치의 시각적 탐지를 가능하게 한다.
• 기대되는 패턴에서의 이탈을 분석하여 잠재적 열화 또는 조기 고장의 징후를 파악한다.
• SOM의 비지도 학습 성격을 활용하여 고장 이벤트의 사전 레이블링 없이도 알려지지 않은 고장 패턴을 탐지할 수 있다.

실험 결과

연구 질문

• RQ1 자기조직화 지도는 다차원 항공기 엔진 센서 데이터의 시간적 변화를 효과적으로 시각화할 수 있는가?
• RQ2 SOM 상의 궤적 패턴은 조기 고장을 암시하는 정상적인 엔진 행동에서의 이탈을 어느 정도 드러낼 수 있는가?
• RQ3 실제 고장 발생 이전에 SOM 방법은 엔진 운영의 이상 징후를 얼마나 잘 탐지할 수 있는가?
• RQ4 SOM 상의 엔진 궤적 시각화는 실제 항공 운영 환경에서 사전 유지보수 결정을 지원할 수 있는가?
• RQ5 비행 중 환경 및 운영 조건의 변동에 대해 SOM 기반 접근법은 얼마나 강건한가?

주요 결과

• SOM은 고차원 엔진 데이터를 의미 있는 측정값 간 관계를 유지하면서 2차원 시각적 공간으로 성공적으로 투영하였다.
• SOM 상의 궤적은 정상 작동의 명확한 패턴을 드러내어 비정상적이거나 열화된 행동과의 시각적 구분을 가능하게 하였다.
• 기존 고장 사건 발생 이전에 일반적인 궤적 경로에서의 이탈이 관찰되어 조기 경고 잠재력이 확인되었다.
• 레이블이 부여된 고장 데이터가 없더라도 비지도 고장 탐지에 효과적이라는 점이 입증되어 이상 탐지의 효과성을 입증하였다.
• 시각화 기능 덕분에 유지보수 엔지니어들이 엔진 상태 추세를 직관적으로 이해할 수 있었으며, 적절한 시점의 개입을 지원하였다.
• SNECMA 및 Dassault Aviation의 실제 데이터를 활용하여 실용적 적용 가능성을 검증한 결과, 엔진 모니터링 분야에서의 실용성 확인하였다.