RULSurv: A probabilistic survival-based method for early censoring-aware prediction of remaining useful life in ball bearings
Created by
- Haebom
Category
Empty
저자
Christian Marius Lillelund, Fernando Pannullo, Morten Opprud Jakobsen, Manuel Morante, Christian Fischer Pedersen
개요
본 논문은 예측 정비를 위한 볼 베어링의 잔여 수명(RUL) 예측에 데이터 기반 방법을 사용하는 데 대한 관심이 높아지고 있지만, 검열된 데이터 처리에 대한 연구는 부족하다는 점을 지적합니다. 이 문제를 해결하기 위해, Kullback-Leibler (KL) divergence와 검열된 데이터를 자연스럽게 지원하는 생존 분석을 사용한 새로운 조기 고장 감지 및 RUL 추정 방법을 제시합니다. XJTU-SY 데이터셋을 사용하여 5-fold 교차 검증을 통해 세 가지 다른 작동 조건에서 접근 방식을 보여줍니다. 가장 높은 하중 조건(C1, 12.0 kN 및 2100 RPM)에서 25%의 무작위 검열을 적용한 베어링의 고장 시간 예측에서, 제안된 방법은 검열을 지원하지 않는 선형 LASSO 모델(MAE 18.5분)에 비해 선형 CoxPH 모델(MAE 14.7분) 및 비선형 Random Survival Forests 모델(MAE 12.6분)에서 더 낮은 평균 절대 오차(MAE)를 달성합니다. 또한, 가장 높은 하중 조건에서 5개의 베어링에 대해 평균 누적 상대 정확도(CRA) 0.7586을 달성하여 여러 최첨단 기준 모델보다 성능이 향상됨을 보여줍니다. 본 연구는 조기 고장 감지 및 RUL 추정을 위한 예측 모델을 구축할 때 모델 설계의 일부로 검열된 관측치를 고려하는 것이 중요함을 강조합니다.
시사점, 한계점
•
시사점:
◦
검열된 데이터를 고려한 생존 분석 기반의 새로운 RUL 예측 방법 제시.
◦
선형 및 비선형 모델 모두에서 기존 방법보다 향상된 정확도 달성.
◦
XJTU-SY 데이터셋을 이용한 실험적 검증을 통해 방법의 효과성 입증.
◦
조기 고장 감지 및 RUL 예측 모델 구축 시 검열 데이터 처리의 중요성 강조.
•
한계점:
◦
특정 데이터셋(XJTU-SY)에 대한 결과 제시로 일반화 가능성에 대한 추가 연구 필요.
◦
다른 유형의 검열 데이터나 다양한 고장 메커니즘에 대한 추가적인 실험 필요.
◦
KL divergence의 활용에 대한 자세한 설명 부족.
◦
모델의 매개변수 최적화 과정에 대한 자세한 설명 부족.
