A development of integrated monitoring and diagnosis system for marine diesel engine using time-series data

2.1 전문가 시스템을 이용한 진단 시스템 구축

전문가 시스템이란 특정 분야의 전문가들이 전문 지식을 수집 정리하여 주어진 특정 영역에 관한 문제를 컴퓨터 기반으로 해결하는 컴퓨터 의사결정 및 자문 시스템을 말한다[6]. 전문가 시스템을 이용하여 진단 시스템을 구축하기 위한 과정은 Figure 1과 같다. 먼저 진단 대상을 선정한 후, 진단 대상의 전문가와 협의에 의해서 진단 지식을 추출한다. 전문가로부터 추출된 진단 지식을 컴퓨터가 인식할 수 있도록 표현하기 위해서는 진단 대상에 대한 클래스화와 인과관계를 정의하여야 한다. 인과관계가 정의되면 전문가 시스템 개발 도구를 이용하여 진단 지식 베이스를 구축하고, 최종적으로 감시 시스템과 진단 시스템을 연결함으로써 시스템을 구성한다.

Figure 1:

Process of development for diagnosis system

2.2 시계열 데이터 분석 방법

시계열이란 시간의 흐름에 따라 일정한 간격으로 관측하여 기록된 데이터를 의미하며, 추이(trend), 순환(cycle), 불규칙 변동(irregular fluctuation) 등의 시계열 분석 방법은 시계열 구성요소의 특성에 따라 선택하게 된다. 분석 방법의 선택은 주어진 데이터의 형태, 분석의 용이성, 분석 데이터 해석의 이해 정도에 따라 주의 깊게 선택되어야 한다. 분석 방법으로는 회귀 분석 방법, 박스-젠킨스(Box-Jerkins) 방법, 지수평활법(exponential smoothing), 시계열의 분해 방법 등 네 가지로 분류할 수 있다. 회귀 분석 방법과 박스-젠킨스 방법은 수학적 이론에 근거한 체계적인 방법이고, 지수평활법과 이동평균법은 경험적이고 직관적인 방법이라고 할 수 있다[7].

본 논문에서는 실시간 성능을 유지하기 위하여 이동평균법을 이용한다. 이동평균법은 기준 시점과 인접한 n개의 관측값의 평균을 의미하며, 이동평균을 이용하여 불규칙변동이나 계절변동을 제거할 수 있다. 그러나 긴 시간의 이동평균이나 반복되는 이동평균은 많은 데이터를 손실한다. 이동평균법에서는 이동평균을 계산하기 위해 최근 n개의 관측값이 필요하고, 최근 n개의 관측값에 대하여 동일한 비중을 부여하며, 이전의 관측값들은 무시한다. 반면 지수평활법은 과거의 관측값으로 미래의 값을 예측할 때 최근의 데이터에 더 많은 가중치를 부여하여 예측하는 방법이다. 일반적으로 정확한 예측을 위해서는 더 많은 자료들을 사용하는 지수평활법이 바람직하지만 실시간 성능을 가지기 위해서는 오래된 데이터를 무시하는 이동평균법이 보다 효율적이다.

3.1 전송 모듈(DDE 시뮬레이터)

데이터 전송 모듈을 대신하여 선박용 디젤엔진에서 측정되는 것과 유사한 데이터를 생성하기 위하여 DDE(Dynamic Data Exchange) 통신을 이용한 계측 데이터 생성 시뮬레이터를 개발하였다. DDE는 복수 어플리케이션 간의 정보를 동적으로 주고받을 수 있도록 개발된 통신 프로토콜이다. 실제로는 선박용 디젤엔진 통합 감시 및 진단 시스템의 계측 모듈은 현장의 각 센서로부터 직접 통신라인을 거쳐 전송받아야 하지만, 실험을 위하여 실시간 상태 데이터를 가상으로 생성하기 위하여 DDE 시뮬레이터를 개발하였다.

3.2 감시 모듈

감시 대상은 아날로그형 운전 인자와 디지털형 경보 인자로 구분하여 아날로그 데이터를 나타낼 수 있는 운전 인자의 수를 84개, ON/OFF 상태를 확인할 수 있는 경보 인자의 수를 61개로 설정하였다. 감시 모듈의 GUI 화면 구성은 디젤엔진 운전 중 감시되어야할 중요 인자를 중심으로 실제 도면에 따라 구현하였다. 디젤엔진의 감시되는 인자들은 실시간으로 DDE 시뮬레이터로부터 획득한다. 아날로그 신호가 입력되는 운전 인자는 실시간으로 숫자, 바, 트렌드 형태로 표시되도록 구현하고, 알람 발생은 디젤엔진 전문가가 제시하는 한계값을 기준으로 알람이 발생할 수 있도록 구현하였다. 또한 경보 인자는 각 계통에 ON/OFF 작동만으로 정보를 감시 모듈에 실시간으로 전달하는 경보 인자를 의미한다. GUI 화면상에서 정상일 때는 항상 녹색으로 표시가 되며 알람이 발생하면 빨간색으로 깜빡인다. 개발한 DDE 시뮬레이터와 감시 모듈은 Figure 3에 나타내었다.

Figure 3:

DDE simulator and monitoring module

3.3 인터페이스 모듈

진단을 위해 먼저 실시간 데이터 값을 감시 모듈 내의 DDE를 이용하여 수신하게 된다. 감시 모듈에서 진단 값으로 사용하기 위해서 Figure 4의 알고리즘과 같이 먼저 실시간 데이터 값의 3회 평균을 계산하고, 보정 데이터를 구하여 고장 및 사전 진단에 이용하였다.

Figure 4:

3-average movement algorithm

고장 진단에서는 알람 값의 상태를 HH, H, N, L, LL 값으로 분류하여 진단에 사용한다. 또한 사전진단에서는 보정 데이터를 분석하여 현재 데이터의 값이 증가, 감소 또는 일정한지를 판단하여 사전 진단에 사용하게 된다. 인터페이스 모듈에서는 신뢰도를 높이기 위해 수신된 데이터의 3회 이동 평균 보정 데이터를 산출하여 진단 모듈에서 이용할 수 있는 상태 진단 데이터와 추이 진단 데이터를 생성한다. 상태 진단 데이터는 Table 1과 같이 정의한 기준에 따라 알람 경계 값과 보정 데이터를 비교하여 추출된다. 예를 들어 운전 인자의 High High 경계 값과 보정된 데이터 값이 크거나 같으면 상태 진단 데이터는 HH가 된다.

Table 1:

Creation data of state

추이 진단 데이터는 Increase, Steady, Decrease로 분류되며, 이 세 가지 추이 진단 데이터를 생성하는 방법은 다음과 같다. 먼저, 변화가 빠른 데이터는 5회 연속 보정 데이터를 이용하고, 변화가 느린 데이터는 10회 연속 보정 데이터를 이용한다. Table 2는 추이 진단 데이터 판단 여부의 기준을 나타내고 있는데, 변화가 빠른 데이터는 5회 연속 변화가 있으면 추이 진단 데이터로 판단하고, 3∼4회 연속 변화는 비교 판단하며, 2회 연속 변화는 추이 진단 데이터로 사용하지 않는다. 또한 변화가 느린 데이터는 8회 연속 변화가 있으면 추이 진단 데이터로 사용하고, 4∼7회 연속 변화는 비교 판단하며, 3회 연속 변화는 추이 진단 데이터로 사용하지 않는다. 비교 판단의 경우, 알람 경계 값과 현재 값을 비교하여 알람 경계 값의 90% 이상인 경우 추이 진단 데이터로 사용하게 되고, 90% 미만인 경우에는 추이 진단 데이터로 사용하지 않는 것으로 가정한다.

Table 2:

Trend data criteria

3.4 진단 모듈

생성된 진단 데이터는 JESS 기반의 진단 모듈을 통해 진단에 관한 결과를 추론한다. JESS(Java Expert System Shell)는 자바로 개발된 지식 기반 전문가 시스템 개발 환경이다. JESS 기반의 진단 모듈 구조는 Figure 5와 같다. 규칙이 적용될 선박용 디젤엔진의 계통별 속성들을 표현하는 Fact들의 구조를 정의하며, Working Memory 또는 Fact Base에 존재한다. Rule Base에는 지식을 나타내는 규칙의 집합이 존재하며, IF-THEN 형태로 정의된다. 이러한 규칙은 Working Memory에 존재하는 Fact들에 대해서 IF 절이 만족하였을 때 THEN 절에 정의된 행동을 실행한다.

Figure 5:

Diagram of Diagnosis Module

JESS를 이용한 진단 모듈의 구현 절차는 Figure 6과 같다. 먼저 Java 클래스에서 JESS를 사용하기 위해서는 Rete 클래스를 이용한다. Rete 클래스의 executeCommand 메소드를 이용하여 JESS의 명령을 수행할 수 있으며, Fact 의 구조를 정의할 때 사용하는 Template과 디젤엔진용 진단 Rule을 clp 스크립트 파일에 작성하고 이 파일을 batch 메소드를 이용하여 읽어 excuteCommand 메소드를 이용하여 작업 메모리(working memory)를 초기화 한다. 초기화가 끝나면 batch 메소드를 이용하여 Fact를 Assert 시킨다. 디젤엔진 진단 모듈에서는 실시간으로 진단을 수행하여야 하기 때문에 실제로 Fact는 clp 스크립트 파일을 읽어 들여서 사용하지 않고, Java의 Diagnosis Thread에서 Fact 객체를 생성하여 실시간으로 진단 데이터를 할당한다. 진단 데이터가 작업 메모리에 할당되면 run 메소드를 이용하여 진단을 시작하게 되고 Rete 클래스의 fatch 메소드로 결과 객체를 얻을 수 있다. 결과 객체로부터 진단결과 코드를 얻고, 이를 감시 모듈에 DDE 통신을 이용하여 전달하게 된다.

Figure 6:

Implementation process of diagnosis module