인공지능, IoT, 클라우드 기반
모터 고장 예측 시스템
모터 고장 예측 시스템
딥러닝 기반 모터 고장 예측
최신 딥러닝 기술을 바탕으로 한 인공 지능 기계 학습 알고리즘을 사용하여, 최고 수준의 예측 정확도를 달성합니다.
쉽고 편리한 설치
비침해적(Non-intrusive) 기술로 작동중인 모터에도 설치가 가능하며, 공정에 어떠한 문제도 일으키지 않고 짧은 기간 내에 설치가 가능합니다.
빠른 결과와 확장성
2주의 인공지능 학습 기간을 거쳐 즉시 운영이 가능하며, 교육이나 수작업이 전혀 필요 없습니다.
또한 센서만 추가하여 간단히 시스템을 확장할 수 있습니다.
HOW IT WORKS
모터 고장에 따른 손실
모터 고장은 보수적인 추산으로도 연 3-5%의 확률로 발생합니다.
특히 채굴, 펄프, 제지 업계의 모터 고장률은 연 12%에 달합니다.
모터 고장으로 인한 비용은 모터 자체의 수리/교체 비용에 그치지 않습니다.
인건비, 생산 중단에 따른 피해, 원재료/반재료 손실, 품질 관리 비용 등으로 업종에 따라 시간당 2천만원에서 70억원의 막대한 손실을 비즈니스에 끼칩니다.
진단 가능 고장 형태
구분 | 상세 |
---|---|
밸런스 | 정적 불평형, 우력 불평형, 동적 불평형 및 내다지(overhung) 회전자 불평형 |
축 | 축 휨 |
정렬 불량 | 편각 정렬 불량 및 편심 정렬 불량 |
공진 | 회전자 공진, 기어 공진 및 벨트 공진 |
기계적 이완 | 기계 구조 이완, 베어링 고정받침 이완 |
베어링 | 베어링 간극, 베어링 마모, 오일 휩(Oil Whip) |
벨트 드라이브 이상 | 벨트 마모, 벨트 이완, 풀리 정렬 불량 |
기어 | 기어 마모, 기어 편심, 기어 정렬 불량, 기어치 파손 |
전동기(Motor) | 회전자 편심, 고정자 편심, 고정자 이완, 편의(Lamination) 이완 |
TEAM
김정희
President & CEO
KAIST 전산학과 학사
美Artifex Software 선임컨설턴트
(주)이파피루스 대표이사 (現)
(주)딥퀘스트 대표이사 (現)
이상욱
CTO / 공학박사
KAIST 전산학과 박사 (인공지능 연구실)
미항공우주국 에임스 연구 센터 (NASA Ames Research Center) 연구원
KIST(한국과학기술연구원) 연구원