Design and Implementation of Anomaly Detection System for Fault Prediction of Industrial Actuators

최근 딥러닝 기술의 발전은 스마트 팩토리 구현을 위한 설비 진단 및 유지보수의 지능화에 중요한 전환점을 제공하고 있다. 특히 산업용 액추에이터는 자동화 설비의 핵심 부품으로, 결함 발생 시 전체 생산 라인의 중단이나 품질 저하로 이어질 수 있으므로, 조기 이상 탐지가 필수적이다. 본 논문에서는 제조 현장에서 활용되는 액추에이터의 예지보전을 위한 음향 기반 이상 탐지 시스템을 제안한다. 제안된 모델은 온-디바이스 환경에서 실행될 때 3개의 정상 액추에이터와 2개의 비정상 액추에이터에서 획득한 음향 데이터를 사용하여 95.73%의 AUC를 달성했다. 본 연구의 결과는 공장 자동화 및 장비 고장 예측과 같은 실제 산업 요구 사항과 직접적으로 일치하며, 스마트 팩토리 환경에서의 예측 정비에 기여할 수 있다.