본 논문은 볼 베어링의 잔여 수명(RUL) 예측에서, 기존 연구들이 간과해 온 검열 데이터(censored data) 처리 문제를 해결하는 새로운 방법을 제시합니다. Kullback-Leibler (KL) divergence와 생존 분석(survival analysis)을 활용하여 초기 고장 감지 및 RUL 추정을 수행하며, 검열 데이터를 자연스럽게 처리할 수 있는 유연한 방법론을 제안합니다. XJTU-SY 데이터셋을 사용하여 5-fold 교차 검증을 통해 세 가지 작동 조건에서 성능을 평가하였으며, 특히 높은 하중 조건(C1, 12.0 kN 및 2100 RPM)에서 25%의 임의 검열 데이터를 포함한 실험에서, 선형 CoxPH 모델과 비선형 Random Survival Forests 모델을 이용하여 기존의 검열 데이터를 고려하지 않는 LASSO 모델보다 더 낮은 평균 절대 오차(MAE)를 달성했습니다. 또한, 높은 하중 조건에서 5개의 베어링에 대한 평균 누적 상대 정확도(CRA)를 향상시켰음을 보여줍니다. 결론적으로, 예측 모델 구축 시 검열 데이터를 고려하는 중요성을 강조합니다.
