Probabilistic Prediction and Causal Analysis with BayesNet for Vehicle Brake Discs

본 연구는 확률변수의 구조학습에 효과적인 Bayesian networks(BayesNet)를 활용하여 차량브레이크 디스크 부품의 주요 치수 변수와 고유진동수 변수들에 관한 예측모델을 구축하고 인과관계 분석을 수행한다. 자동차 산업에서 브레이크 디스크는 핵심 전장부품 중 하나이며, 해당 부품의 신뢰성 및 성능 평가는 최종 차량 검증의 핵심적인 요소로 간주된다. 브레이크 디스크 핵심 평가 항목 중 하나인 고유진동수는 디스크 형상 및 설계 치수 간의 복잡한 상호작용을 고려해야 한다. 본 연구는 산업 현장에서 부품 설계 데이터 부족에서도 강건한 분석 및 예측문제를 해결하기 위해 자동차 브레이크 디스크 부품 데이터에 대한 데이터 기반 접근법을 제시한다. 실험 시 브레이크 디스크 설계 전문가의 자문을 바탕으로 주요 설계 변수 간 관계성을 주입한 BayesNet 학습모델을 구축하였다. 또한, 브레이크 디스크의 민감도 분석을 통해 주요 인과관계 특성을 파악하였고, 정확도 측면에서 다수의 기계학습 모델과 비교 실험을 진행하였다. 확률 기반의 학습모델이라 다소 작은 학습 데이터에서도 정확도 성능 0.81의 강건한 정확도를 획득하였다. 추가로, 대표적인 설명 가능한 인공지능 기법을 활용되는 Shapley addictive explanations(SHAP)을 활용하여 디스크 주요 인과관계 변수들에 대한 BayesNet에서의 분석결과를 재고하였다.