태터데스크 관리자

도움말
닫기
적용하기   첫페이지 만들기

태터데스크 메시지

저장하였습니다.
격월간 EL-Safe

[신기술 신제품]

국내 약 70만대의 승강기에서 수집된 일주데이터를 클라우드로 수집저장하여 적절한 통계적 분석방법론을 적용한다면 이를 다양한 인사이트로 발굴, 활용할 수 있다. 승강기의 고장이나 수명 예측을 위한 예지보전에 활용할 수도 있는 일주데이터 분석방법을 알아본다
글 김윤겸(한국승강기안전공단 연구개발실 차장)

일주데이터 분석으로 가능한 IoT 기반의 스마트한 승강기

글로벌 승강기 대기업들은 사물인터넷(IoT, Internet of Things) 기술을 활용하여 승강기에 다양한 센서를 부착하고 LoRaSigFox, NBIoT 등의 사물인터넷 통신 기술을 활용하여 센서 빅데이터를 클라우드에 저장하고, 승강기의 예지보전에 활용하고 있다. 그러나 중소승강기업체가 대상으로 하는 시장에서는 승강기 가격탄력성이 매우 높아 센서 등 추가 기술에 대한 원가부담을 버티지 못하는 실정이다. 글로벌 대기업들도 사물인터넷 등의 최신 기술은 4대 이상의 군관리 시스템이 적용되는 현장이나 고급 아파트 단지에서만 차등 적용하고 있다.

기존 현장의 승강기에 별도의 센서 부착 없이도 수집할 수 있는 데이터가 있는데, 현재 운행되며 발생하는 일주 데이터이다. 현재는 이를 정기적으로 포맷하거나 활용하지 않고 있는데, 전국에 설치된 승강기에서 수집된 일주데이터를 활용한다면 사용자 군집별로 맞춤형 일주패턴을 생성해 낼 수도 있고, 승강기 고장과 수명을 예측하여 운행 효율화를 이룰 수 있다.

맞춤형 일주패턴이 적용된 승강기는 해당 사용자들의 사용 패턴을 통계적으로 유의미한 확률로 예측하여 사용자가 호출 버튼을 누르기 전에 서비스를 위해 기동하고 대기할 수 있으며, 이를 통해 기존의 단순한 승강기는 IoT 기반 스마트한 승강기로 진화할 수 있다.

 

개방형 승강기 플랫폼 구축을 통한 일주데이터 분석

개방형 승강기 플랫폼이란 일주데이터의 수집과 저장을 비롯한 분석, 맞춤형 일주모형 제공에 이르기까지 모든 서비스를 이해관계자들에게 제공하는 서비스 플랫폼이다.

해당 플랫폼은 크게 4개의 레이어로 이루어져 있으며, 오픈소스 기반의 저장 모듈과 기계학습 기반의 분석 모듈, 외부 서비스를 위한 WEB 모듈과 분석 모형의 가시화를 위한 모듈로 구성된다. 대부분의 모듈들은 공개 S/W 기반으로 구성될 수 있으며, 클라우드 기반 서비스를 제공하여 다양한 이해관계자들의 손쉬운 접근을 허용할 수도 있다.

 

승강기의 운행 패턴 모형화를 위한 분석 방법

개방형 승강기 플랫폼을 활용한 일주데이터 분석을 위해서는 <그림 2>와 같은 프로세스를 제시할 수 있다. 개방형 승강기 플랫폼을 통해 수집 저장된 일주데이터들은 보통 최소 5초 단위의 이벤트로 24시간 저장이 된다. 이렇게 저장된 일주데이터들을 분석하여 해당 승강기의 운행 패턴을 모형화하기 위해서 다양한 분석 방법을 검토할 수 있다.

첫째, 지도학습의 대표적인 예측 방법인 회귀분석이다. 승강기의 다음 서비스층을 종속변수로 하고, 직전 서비스 층, 현재 시간, 이전 서비스 이벤트들을 독립변수로 하여 다중회귀분석을 실시하여, 서비스층을 예측해 볼 수 있다. 물론 해당 회귀모델은 결정계수를 통하여 통계적으로 설명력이 충분하도록 모형을 작성해야 한다.

둘째, Q-Learning 함수를 활용한 강화학습이다. 해당 분석방법을 떠올린 것은 딥마인드의 아타리 벽돌깨기 게임 등과 유사한 모형이 될 수 있다. 또한, 마르코프 결정 프로세스를 통하여 특정 상황과 정책 리스트에서 적절한 행동을 선택하고, 그에 따른 보상을 최대화하는 강화학습의 기본 알고리즘을 적용할 수도 있다.

셋째, 딥러닝의 한 유형인 RNN(Recurrent Neural Network)이다. 승강기의 예측 움직임을 이전 시간대의 다양한 운행 패턴과 호출 이력을 토대로 분석하고, 현재 시간에서 어떤 층으로 서비스를 해야 하는지를 결정하고 예측하는 것에 재귀적 신경망이 적합할 것으로 예상한다. RNN 이나 LSTM(Long Short Term Memory) 같은 딥러닝 알고리즘을 적용하기 위해서는 상당한 일주데이터가 필요하고, 이를 위해서는 다시 많은 현장의 일주데이터를 수집 저장하는 것이 중요한 변수가 될 것으로 생각한다.

결론적으로 일반적 운행감시를 통하여 얻어지는 데이터를 활용하여 다양한 분석방법을 적용하면, 중소 규모의 승강기 분야에서도 이를 활용하여 중소승강기업체와 중소규모의 건물에서도 용이하게 사용되는 플랫폼을 만들어 대기업들과 경쟁하고, 나아가 글로벌 수출시장에서도 경쟁력을 갖출 수 있을 것으로 생각된다.

특히, 승강기의 운행감시반은 중소제조업체가 주로 생산하고, 관리하므로 이때 수집된 데이터를 별도로 저장하고 분석하면 상기와 같은 효과를 얻을 수 있으므로, 관리주체나 유지관리업체 등에서 데이터를 저장하고, 유용한 분석을 거친다면 승강기 운행의 효율화를 통한 부품소모의 최소화, 전력절감 등의 효과를 얻을 수 있다고 생각한다.

 

댓글을 남겨주세요 +0