With today`s industry, electric equipments play a big role. Therefore, it is important to quickly grasp unexpected failures by checking the state of equipment. There are two methods to detect whether there are failures in machine, model-based method and data driven method. Model-based method is to analyze characteristics of machine and extract features to optimize fault diagnosis model. Data driven method is to analyze past data to detect current failure. Therefore, data driven method has advantages that it can be used widely without machine experts. On this study, we introduce data driven methods and wireless sensor network to collect data. In a wireless network environment, data transmission speed affects all work speed. Therefore, we will use auto encoder to compress data. In addition, we use long short term memory(LSTM) to detect fault through time domain data.
오늘 날 산업에서 전동 설비는 큰 역할을 수행하고 있다. 따라서 설비의 상태를 점검하고 예기치 못한 고장을 신속하게 파악하는 것이 중요하다. 설비의 고장 여부를 파악하는 방법에는 크게 모델 베이스 기법과 데이터 베이스 기법이 있다. 모델 베이스 기법은 설비의 특성, 수집하는 데이터의 특성 등을 전문가가 분석하여 특징을 추출하고 최적의 고장진단 모델을 설계하는 것이다. 데이터 베이스 기법은 과거의 데이터를 분석하여 현재의 고장을 판별하는 모델을 설계하는 것이다. 따라서 데이터 베이스 기법은 보다 범용적인 설비에 사용될 수 있고, 전문가의 개입 없이 사용할 수 있는 장점이 있다. 본 연구에서는 데이터 베이스 기법을 사용하며, 데이터 수집을 위해 센서 무선 네트워크 구축 환경을 소개한다. 무선 네트워크 환경 하에서는 데이터 전송 속도가 전체 작업속도에 영향을 미친다. 따라서 효율적인 데이터 정보 전달을 위해 오토 인코딩 기법을 활용한다. 또한 시간에 따른 센서 데이터 정보를 활용한 엘에스티엠(LSTM) 기법으로 고장진단을 도입한다.
