Early Anomaly Detection of LNG-Carrier Main Engine System based on Multivariate Time-Series Boundary Forecasting and Confidence Evaluation Technique

김동현; 김태곤; 안민지; 백윤주

doi:10.5626/JOK.2023.50.5.429

추천

검색

질문

자료유형: 학술저널

저자정보: 김동현 (부산대학교) 김태곤 (대우조선해양) 안민지 (대우조선해양) 백윤주 (부산대학교)

저널정보: Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.50 No.5

발행연도: 2023.5

수록면: 429 - 440 (12page)

DOI: 10.5626/JOK.2023.50.5.429

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

최근 해양 및 조선 산업 전반에서 선박의 비정상적인 동작을 탐지하고 원인과 결과를 해석하기 위한 연구가 활발하다. 본 연구에서는 대형 조선소에서 건조한 LNG 운반선에서 추출되는 다변량 시계열 센서 데이터를 활용하여 메인 엔진 시스템의 조기 이상 탐지를 수행한다. 이상 동작의 조기 예측을 위해서 현재 시점의 센서 데이터로 미래의 값을 예측하는 과정이 필요하며 이 과정에서 실제 미래값과 예측값의 차이인 예측 잔차(Prediction residual)가 발생한다. 발생한 잔차는 조기 이상 탐지 결과에 중대한 영향을 미치므로 이를 보상하는 과정이 필요하다. 본 연구진은 시계열 예측 모델의 예측 상한(Upper boundary) 혹은 예측 하한(Lower boundary)을 학습할 수 있는 새로운 손실함수를 제안한다. 제안하는 손실함수로 학습된 시계열 예측 모델은 시계열 예측 잔차를 보상하여 조기 이상 탐지 알고리즘의 성능을 향상시킨다. 또한, 제안하는 신뢰도 모델은 시계열 예측 잔차와 신뢰도 잔차의 유사성을 활용하여 예측값의 실시간 신뢰도를 평가한다. 본 연구에서 제안한 조기 이상 탐지 알고리즘의 적용 결과, 제안한 예측 상한을 학습한 예측 모델은 MSE 손실함수로 학습된 베이스라인 예측 모델이 출력 가능한 예측값의 상한을 출력하며 베이스라인 모델의 미래 예측값이 실제 미래값보다 낮아서 임계값 기반의 이상 판별자가 예측 판별하지 못한 이상 동작을 판별할 수 있게 하였다. 실험 결과, 중요 평가 도구인 Recall에서 베이스라인 모델의 성능 0.4001 대비 제안한 기법의 성능 0.9532로 성능이 향상되었다. 이는 실제 운항에서 발생하는 다양한 운항 스타일에 강인한 조기 이상 탐지를 할 수 있다는 것을 의미한다.

Recently, a variety of studies have been conducted to detect abnormal operation of ships and their causes and in the marine and shipbuilding industries. This study proposed a method for early anomaly detection of the main engine system using a multivariate time series sensor data extracted from LNG carriers built at a shipyard. For early anomaly detection, the process of predicting the future value through the sensor data at present is necessary, and in this process, the prediction residual, which is the difference between the actual future value and the predicted value, is generated. Since the generated residual has a significant effect on the early anomaly detection results, a compensating process is necessary. We propose novel loss functions that can learn the upper or lower prediction boundary of a time-series forecasting model. The time-series forecasting model trained with the proposed loss function improves the performance of the early anomaly detection algorithm by compensating the prediction residual. In addition, the real-time confidence of the predicted value is evaluated through the newly proposed confidence model by utilizing the similarity between time-series forecasting residual and confidence residual. With the early anomaly detection algorithm proposed in this study, the prediction model, which learns the upper boundary, outputs the upper limit of the predicted value that can be output by the baseline prediction model learned with the MSE loss function and can predict abnormal behavior that threshold-based anomaly discriminator could not predict because the future prediction of the baseline model is lower than the actual future value. Based on the results of this study, the performance of the proposed method was improved to 0.9532 compared to 0.4001 of the baseline model in Recall. This means that robust early anomaly detection is possible in various operating styles of the actual ship operations.

#조기 이상 탐지 #시계열 예측 #예측 잔차 보상 #실시간 신뢰도 #LNG 운반선 #early anomaly detection #time-series forecasting #prediction residual compensation #real-time confidence #LNG-carrier

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김동현

소속기관 부산대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 컴퓨터학

논문수 7 이용수 627

김태곤

소속기관 대우조선해양

주요연구분야 공학 > 전기전자공학 > 전자공학 공학 > 전기전자공학 > 정보통신공학

논문수 23 이용수 1,569

안민지

소속기관 순천향대학교

주요연구분야 공학 > 컴퓨터학

논문수 2 이용수 196

백윤주

소속기관 부산대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 5% 공학 > 컴퓨터학

논문수 117 이용수 10,190

이 논문과 함께 이용한 논문

특허 동향 분석을 통한 에너지 관리 시스템 중점 기술 개발 항목 도출

최정열 한국통신학회논문지 2023 .12

운전자 행동 분석을 위한 차량 동작 상태 인식 온-디바이스 AI의 설계 및 구현

김태구 , 조용훈 , 백윤주 한국통신학회논문지 2023 .07

신약개발에서의 AI 기술 활용 현황과 미래

정명희 , 권원현 한국정보통신학회논문지 2021 .12

AI 로보어드바이저의 지속적 사용 의도 증진을 위한 호핑 서비스 설계 및 검증

이종화 , 백경원 , 이승헌 외 3명 디지털콘텐츠학회논문지 2021 .03

가동 원전의 Level 2 PSA 모델 표준화 방안

신태영 , 황석원 한국에너지학회 학술발표회 2016 .10

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)