초록
 

최근 IOT 센서 및 데이터 연산 기술의 발전으로 인해 인공지능을 활용한 여러 건전성 및 예측 관리 방법(PHM, Prognostics and Health Management) 기술들이 개발되고 있다. 인공지능 기반 건전성 및 예측관리 기술은 추가적인 사전 지식 없이 데이터 만으로 문제를 풀 수 있다는 점과 충분한 양의 데이터가 학습 되었을 때 높은 성능을 보인다는 장점을 갖는다. 그러나 실제 현장에 적용하기에 방법의 일반화 성능이 떨어지고, 결과의 해석성이 부족하다는 단점이 지적되고 있다. 또한, 도출 결과에 대한 물리적 일관성이 부족하며, 복잡한 상황을 모델링하기 위해서 많은 양의 데이터가 요구된다는 단점 또한 존재한다. 이러한 문제들을 개선하고자 인공지능 기반 PHM 기술에 시스템에 대한 일부 도메인 지식을 결합하여 하는 시도들이 많이 진행되어 왔다. 이러한 도메인 지식은 인공지능 학습의 일부 가이드가 되어 일반화 성능을 높이고, 해석성을 개선시키고, 물리적 규제를 통해 물리적 정합성을 확보하고, 일부 과정을 물리적으로 모델링함으로써 전체를 딥러닝으로 모델링 할 때보다 필요한 데이터 및 네트워크의 크기를 줄여줄 수 있다. 그러나 관련 연구들은 많이 진행되었지만 관련 연구들에 대한 유형별 분류 및 효과에 대한 정리가 현재까지는 많이 진행되지 않았다. 이에 본 연구에서는 도메인 지식과 인공지능이 결합된 연구들을 특정 유형으로 분류하고, 해당 연구들의 한계점 및 향후 연구 방향에 대해서 정리하고자 한다. 본 연구를 통해 전반적인 도메인 지식이 인공지능과 결합 연구 현황에 대해서 이해하고, 관련 연구를 하는 연구자들이 향후 연구 방향을 설정하는데 도움이 되길 희망한다.