A Preliminary Study on Avionics Prognostics: AI-based Extraction of Failure-Related Variables

상태기반정비는 시스템의 잔존유효수명을 예측하는 고장예지 기술을 바탕으로 최적의 유지보수 시점을 결정하는 비용 효율적인 전략으로, 항공 분야를 위시한 다양한 산업에 적용되고 있다. 이를 위해서는 베어링의 진동신호, 배터리의 전압 및 전류 신호 등 시스템의 건전성을 나타내는 모니터링 데이터가 필수적이다. 그러나 항전시스템에서는 모니터링되는 만여 개의 변수 중 무엇이 고장과 관련이 있는지조차 알려져 있지 않다. 본 논문에서는 대한민국 공군에서 제공받은 실제 비행 데이터를 활용하여 항전장비의 고장 관련 변수를 추출하는 방법을 제안한다. 데이터의 복잡도를 낮추기 위해 오토인코더를 이용해 차원을 축소한 후, 랜덤 포레스트를 통해 고장 관련 변수를 추출하였다. 결과로써 유의미한 후보 변수 30개를 추출하였으며, 이 중 다섯 개 변수는 다양한 조건에서도 일관되게 높은 중요도를 보여 신뢰성 있는 고장 관련 변수로서의 가능성을 확인하였다.