초록

회전 기계는 다양한 형태의 에너지를 변환하는 데 널리 사용되며, 특히 베어링(Bearing)은 핵심 부품으로서 기계의 안정적인 운용과 성능에 직접 적인 영향을 미친다. 그러나 베어링은 지속적인 하중과 마찰로 인해 고장이 발생하기 쉬우며, 이러한 고장을 조기에 진단하는 것이 기계 시스템 의 신뢰성을 유지하는 데 필수적이다. 최근에는 딥러닝을 활용한 고장 진단 연구가 활발히 진행 되고 있다. 그러나 운영 조건 변화로 인해 발생하 는 데이터 드리프트는 학습된 모델의 성능 저하 를 초래해 산업 현장에서의 실제 적용을 어렵게 한다. 따라서, 운영되고 있는 시스템의 상태를 실시간으로 추정해 데이터 드리프트를 감지할 수 있어야 한다. 이를 위해 본 연구에서는 시뮬레이 션 데이터를 활용한 객체 탐지(Object detection) 기 법을 활용한 베어링 상태 추정 프레임 워크를 제안한다.