현대식 공장의 연결성이 높아짐에 따라 제조업체는 운영 효율성을 높이기 위해 점점 더 다양한 입력(예: 프로세스 데이터, 오디오 및 시각)을 사용하고 있습니다. 기업은 이 정보를 사용하여 기계 학습(ML) 및 인공 지능(AI)으로 구동되는 예측 유지 관리 기술을 사용하여 장비 성능을 모니터링하고 고장을 예측합니다. 장비에 내장된 기존 센서는 정보를 제공할 수 있지만 오디오 및 시각적 검사는 자산의 상태에 대한 통찰력을 제공할 수도 있습니다. 그러나 이 데이터를 활용하고 실행 가능한 통찰력을 얻는 것은 매우 수동적이고 리소스가 많이 필요할 수 있습니다.

Koch Ag & Energy Solutions, LLC(KAES)는 Amazon ML 솔루션 랩 대체 음향 이상 감지 솔루션에 대해 자세히 알아보고 기존 솔루션에 대한 또 다른 시각을 얻으십시오.

ML Solutions Lab 팀은 심층 음향 데이터 탐색을 위해 현장에서 KAES 장비로 수집한 기존 데이터를 사용했습니다. KAES의 수석 데이터 과학자와 협력하여 ML Solutions Lab 팀은 Amazon의 내부 팀과 협력하여 음향 장면 및 이벤트 감지 및 분류 2020 대회 그들의 노력에 대해 높은 점수를 받았습니다. 에서 문서를 검토한 후 Giriet al. (2020), 팀은 음향 데이터에 대한 몇 가지 매우 흥미로운 통찰력을 제시했습니다.

• 산업 데이터는 상대적으로 고정되어 있으므로 녹음된 오디오 창 크기는 지속 시간이 더 길 수 있습니다.
• 추론 간격을 1초에서 10~30초로 늘릴 수 있습니다.
• 녹음된 사운드의 샘플링 속도를 낮추고 관련 정보를 계속 유지할 수 있습니다.

또한 팀은 KAES가 이전에 탐색하지 않은 기능 엔지니어링에 대한 두 가지 접근 방식을 조사했습니다. 첫 번째는 평균 스펙트럼 피쳐라이저였습니다. 두 번째는 고급 딥 러닝 기반(VGGish 네트워크) 피처라이저. 이러한 노력을 위해 팀은 VGGish 클래스에 대해 분류자를 사용할 필요가 없었습니다. 대신 최상위 분류기 계층을 제거하고 네트워크를 기능 추출기로 유지했습니다. 이 기능 추출 접근 방식을 통해 네트워크는 오디오 입력을 다른 ML 모델에 대한 입력으로 공급할 수 있는 높은 수준의 128차원 임베딩으로 변환할 수 있습니다. 파형 및 스펙트로그램과 같은 원시 오디오 기능과 비교할 때 이 딥 러닝 임베딩은 의미론적으로 더 의미가 있습니다. 또한 ML Solutions Lab 팀은 모든 오디오 파일을 처리하기 위한 최적화된 API를 설계하여 I/O 시간을 90% 이상 줄이고 전체 처리 시간을 약 70% 줄였습니다.

Amazon Lookout for Equipment를 통한 이상 탐지

이러한 솔루션을 구현하기 위해 ML Solutions Lab 팀은 다음을 사용했습니다. 장비에 대한 Amazon Lookout, 예측 유지 관리를 지원하는 새로운 서비스입니다. Amazon Lookout for Equipment는 AI를 사용하여 산업용 장비의 정상적인 작동 패턴을 학습하고 비정상적인 장비 동작을 사용자에게 알립니다. Amazon Lookout for Equipment는 조직이 시스템 오류가 발생하기 전에 조치를 취하고 계획되지 않은 가동 중지 시간을 방지하도록 돕습니다.

예측 유지보수를 성공적으로 구현하려면 고유한 작동 조건에서 산업용 장비 센서에서 수집한 데이터를 사용한 다음 정교한 ML 기술을 적용하여 기계 고장이 발생하기 전에 비정상적인 기계 상태를 감지할 수 있는 맞춤형 모델을 구축해야 합니다.

Amazon Lookout for Equipment는 산업용 장비 센서의 데이터를 분석하여 ML 전문 지식 없이도 해당 장비에 대한 특정 ML 모델을 자동으로 교육합니다. 장비의 정상 작동 모드를 정의하는 센서(태그) 간의 다변량 관계를 학습합니다. 이 서비스를 사용하면 수동 데이터 과학 단계 수와 모델 개발을 위한 리소스 시간을 줄일 수 있습니다. 또한 Amazon Lookout for Equipment는 고유한 ML 모델을 사용하여 들어오는 센서 데이터를 거의 실시간으로 분석하여 수동 개입이 거의 또는 전혀 없이 기계 고장으로 이어질 수 있는 조기 경고 신호를 정확하게 식별합니다. 이를 통해 장비 이상을 빠르고 정확하게 감지하고, 문제를 신속하게 진단하고, 비용이 많이 드는 가동 중지 시간을 줄이기 위한 조치를 취하고, 잘못된 경고를 줄일 수 있습니다.

KAES와 함께 ML Solutions Lab 팀은 사운드 및 기계 원격 측정 모두에 대한 데이터 수집 단계를 시연하는 개념 증명 파이프라인을 개발했습니다. 팀은 원격 측정 데이터를 사용하여 기계 작동 상태를 식별하고 훈련과 관련된 오디오 데이터를 알렸습니다. 예를 들어, 저속 펌프에는 특정 청각 신호가 있는 반면 고속 펌프에는 다른 청각 신호가 있을 수 있습니다. RPM(속도)과 같은 측정값과 소리 사이의 관계는 기계 성능과 상태를 이해하는 데 중요합니다. Amazon Lookout for Equipment를 사용하면 ML 교육 시간이 약 6시간에서 20분 미만으로 단축되어 더 빠른 모델 탐색이 가능해졌습니다.

이 파이프라인은 새 자산에 대한 이상 탐지 모델을 구축하고 배포하기 위한 기반 역할을 할 수 있습니다. Amazon Lookout for Equipment 플랫폼에 충분한 데이터가 수집되면 추론이 시작되고 이상 탐지가 식별될 수 있습니다.

KAES의 IT 리더인 Dave Kroening은 “중요한 제조 기계의 음향 이상과 잠재적 고장을 감지할 수 있는 솔루션이 필요했습니다.”라고 말합니다. “몇 주 내에 ML Solutions Lab의 전문가들은 내부 팀과 협력하여 음향 이상 감지를 위한 대안적인 최신 심층 신경망 임베딩 사운드 기능화 기술과 프로토타입을 개발했습니다. 우리는 ML Solutions Lab 팀이 데이터와 관련하여 우리에게 제공하고 Amazon Lookout for Equipment를 사용하여 새로운 자산에 대한 이상 탐지 모델을 구축하고 배포할 수 있는 가능성에 대해 교육한 통찰력에 매우 만족했습니다.”

사운드 데이터를 기계 원격 측정 데이터와 병합한 다음 Amazon Lookout for Equipment를 사용하여 원격 측정 데이터와 음향 신호 간의 중요한 관계를 도출할 수 있습니다. 다양한 작동 모드에서 정상적인 건강한 작동 조건과 건강한 소리를 배울 수 있습니다.

제품 및 서비스에서 ML 사용을 가속화하는 데 도움이 필요하면 ML 솔루션 연구소.

저자에 관하여

마이클 로빈슨 Koch Ag & Energy Solutions, LLC(KAES)의 선임 데이터 과학자입니다. 그의 작업은 컴퓨터 비전, 음향 및 데이터 엔지니어링에 중점을 둡니다. 그는 기술 지식을 활용하여 KAES의 고유한 문제를 해결합니다. 여가 시간에는 골프, 사진 촬영, 여행을 즐깁니다.

데이브 크로닝 Koch Ag & Energy Solutions, LLC(KAES)의 IT 리더입니다. 그의 작업은 장기적인 가치를 창출할 수 있는 이니셔티브에 대한 비전과 전략을 구축하는 데 중점을 둡니다. 여기에는 KAES 내에서 운영 능력을 방해할 가능성이 있는 기회를 탐색, 평가 및 개발하는 것이 포함됩니다. 그와 그의 팀은 또한 경쟁 우위를 창출할 수 있는 기술을 발견하고 실험하는 데 도움을 줍니다. 여가 시간에는 가족과 함께 시간을 보내고 스노보드와 경주를 즐깁니다.

메디 누리 Amazon ML Solutions Lab의 데이터 과학자로서 다양한 수직 분야의 고객과 협력하고 고객이 클라우드 마이그레이션 여정을 가속화하고 최신 솔루션 및 기술을 사용하여 ML 문제를 해결하도록 돕습니다. Mehdi는 박사후 연구원으로 MIT에서 박사 학위를 취득했습니다. UCF에서 엔지니어링을 전공했습니다.

신 첸 Amazon ML Solutions Lab의 선임 관리자로서 Automotive Vertical을 이끌고 다양한 업계의 AWS 고객이 기계 학습 솔루션을 식별하고 구축하여 조직의 가장 높은 투자 수익 기계 학습 기회를 처리하도록 돕습니다. Xin은 박사 학위를 취득했습니다. University of Notre Dame에서 컴퓨터 과학 및 공학을 전공했습니다.

시 윤지 Amazon ML Solutions Lab의 데이터 과학자로서 AWS 고객이 AI 및 클라우드 기능으로 비즈니스 문제를 해결하도록 돕습니다. 최근에는 다양한 산업 분야의 고객을 위해 컴퓨터 비전, 검색 및 예측 솔루션을 구축하고 있습니다. Yunzhi는 박사 학위를 취득했습니다. University of Texas at Austin에서 지구물리학 박사.

댄 볼크 Amazon ML Solutions Lab의 데이터 과학자로서 다양한 산업의 AWS 고객이 AI 및 클라우드 채택을 가속화하도록 돕습니다. Dan은 제조, 항공 우주 및 스포츠를 포함한 여러 분야에서 일했으며 UC Berkeley에서 데이터 과학 석사 학위를 받았습니다.

브랜트 스위들러 Amazon Lookout for Equipment의 기술 제품 관리자입니다. 그는 데이터 과학 및 엔지니어링 노력을 포함한 선도적인 제품 개발에 중점을 둡니다. Brant는 석유 및 가스 산업 분야의 산업 배경을 가지고 있으며 St. Louis의 Washington University에서 기계 및 항공 우주 공학 학사 학위를, Dartmouth의 Tuck 경영 대학원에서 MBA를 취득했습니다.

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처: https://aws.amazon.com/blogs/machine-learning/acoustic-anomaly-detection-using-amazon-lookout-for-equipment/