인공지능, IoT, 클라우드 기반
모터 고장 예측 시스템
모터 고장 예측 시스템
![network_icon network_icon](http://www.siliconminds.net/wp-content/uploads/2018/08/network_icon.png)
딥러닝 기반 모터 고장 예측
최신 딥러닝 기술을 바탕으로 한 인공 지능 기계 학습 알고리즘을 사용하여, 최고 수준의 예측 정확도를 달성합니다.
![thumbup_icon thumbup_icon](http://www.siliconminds.net/wp-content/uploads/2018/08/thumbup_icon.png)
쉽고 편리한 설치
비침해적(Non-intrusive) 기술로 작동중인 모터에도 설치가 가능하며, 공정에 어떠한 문제도 일으키지 않고 짧은 기간 내에 설치가 가능합니다.
![paperplane_icon paperplane_icon](http://www.siliconminds.net/wp-content/uploads/2018/08/paperplane_icon.png)
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
![jeonghee.kim_ jeonghee.kim_](http://www.siliconminds.net/wp-content/uploads/2018/08/jeonghee.kim_-200x200.png)
김정희
President & CEO
KAIST 전산학과 학사
美Artifex Software 선임컨설턴트
(주)이파피루스 대표이사 (現)
(주)딥퀘스트 대표이사 (現)
![](http://www.siliconminds.net/wp-content/uploads/2018/08/sangwook.lee_.png)
이상욱
CTO / 공학박사
KAIST 전산학과 박사 (인공지능 연구실)
미항공우주국 에임스 연구 센터 (NASA Ames Research Center) 연구원
KIST(한국과학기술연구원) 연구원