Overview of Publicly Available Degradation Data Sets for Tasks within Prognostics and Health Management

기술 요약: PHM(Prognostics and Health Management) 과업 내 공개 가용 열화 데이터 세트 개요

문제 정의
PHM(건전성 예측 및 관리) 방법론의 효능은 공학 시스템(ES)의 진화하는 건강 상태를 포괄하는 열화 데이터의 획득 및 분석에 크게 의존한다. 이러한 데이터는 PHM 방법론을 개발하고 벤치마킹하는 데 매우 중요함에도 불구하고, 적절한 열화 데이터를 확보하는 것은 산업 현장과 학술 연구 모두에서 여전히 큰 과제로 남아 있다. 공개적으로 사용 가능한 데이터 세트들이 존재하지만, 이를 다루는 문헌은 파편화되어 있다. 기존의 개요들은 특정 플랫폼이나 응용 분야로 범위를 제한하는 경우가 많으며, 분석 과정에서 특정 PHM 관련 측면보다는 데이터의 양이나 품질을 우선시하는 경향이 있다. 결과적으로, 연구자와 실무자들이 적합한 데이터 세트를 찾는 과정에는 많은 시간이 소요된다.

방법론
본 연구는 공개적으로 사용 가능한 열화 데이터 세트에 대한 기존 개요(Mauthe et al., 2025; Hagmeyer et al., 2021)를 종합적으로 업데이트하고 확장한다. 저자들은 동일한 범위의 플랫폼과 소스를 고려함으로써 이전 연구에서 정의된 범위를 업데이트하였다. 본 연구는 열화 상태 없이 공정 품질만을 다루는 데이터 세트는 제외한다.

방법론의 핵심은 110개의 공개 가용 데이터 세트에 대한 상세하고 PHM 특화된 분석을 수행하는 것이다. 이 분석은 이전 연구에서 개발된 분류 체계를 활용하여 네 가지 특정 차원에 따라 데이터 세트를 분류한다:

1. 응용 분야(Application): 고려 대상이 되는 구체적인 객체 (예: 베어링과 같은 단일 부품 또는 생산 라인과 같은 전체 시스템).
2. 도메인(Domain): 응용 분야의 기원 분야 (예: 기계 부품, 전기 부품, 구동 기술).
3. 과업(Task): 데이터 세트가 다루는 구체적인 PHM 과업으로, 다음과 같이 분류된다:
   • 결함 탐지/이상 탐지(Fault Detection/Anomaly Detection): 결함 유무에 대한 이진 분류.
   • 진단(Diagnosis): 탐지된 결함의 원인을 할당.
   • 건전성 평가(Health Assessment): 현재의 열화 정도 또는 고장 위험을 정량화.
   • 예측(Prognosis): 미래의 열화 또는 잔여 유효 수명(RUL)을 예측.
4. 신호(Signal): 데이터 세트에 포함된 신호 유형 (예: 진동, 전류, 온도)을 구분하며, 직접 측정된 신호와 파생된 값을 구분한다.

주요 기여 및 결과
주요 기여는 공개 가용 데이터 세트 개요를 110개의 항목으로 확장하고, 도메인, 응용 분야 및 과업에 따른 데이터 분포를 강조하는 구조화된 분류를 제공하는 것이다.

• 도메인 및 응용 분야 분포: 110개의 데이터 세트는 11개 도메인으로 분류된다. "기계 부품(Mechanical component)" 도메인이 가장 많은 데이터 세트(26개)를 보유하고 있으며, 그 뒤를 "전기 부품(Electrical component)"(25개)과 "구동 기술(Drive technology)"(12개)이 잇고 있다. 나머지 도메인들은 각각 2개에서 8개의 데이터 세트를 포함한다. 응용 분야가 명시되지 않은 5개의 데이터 세트는 "알 수 없음(unknown)" 도메인으로 할당되었다.

  • 가장 빈번한 응용 분야는 베어링(17개 데이터 세트)과 배터리(16개 데이터 세트)이다.
  • 기타 주목할 만한 응용 분야로는 항공기 엔진, 여과 시스템, 생산 라인(각 5개 데이터 세트)이 있다.
  • "메카트로닉스 시스템(Mechatronic system)" 도메인은 응용 분야의 다양성이 가장 높지만(8개), 각 분야는 단 하나의 데이터 세트로만 대표된다. 전반적으로 3개 이상의 데이터 세트로 커버되는 응용 분야는 9개에 불과하다.

• 과업 분포:

  • **예측(Prognosis)**이 54개의 데이터 세트로 가장 많이 나타나는 과업이다. 이 범주 내에서는 전기 부품 도메인이 22개(배터리 15개 포함)를 기여하며, 기계 부품과 구동 기술이 그 뒤를 잇는다.
  • **진단(Diagnosis)**은 35개의 데이터 세트를 차지하며, 기계 부품 도메인이 주요 출처(13개 데이터 세트)이다. 베어링은 진단을 위한 가장 빈번한 응용 분야이다.
  • **결함 탐지(Fault Detection)**는 주로 기계 부품 및 생산 시스템 도메인에서 유래한 18개의 데이터 세트에 할당된다.
  • **건전성 평가(Health Assessment)**는 단 3개의 데이터 세트에서만 명시적으로 다루어지는데, 이는 기존 문헌에서 진단, 건전성 평가, 예측 사이의 전환이 명확히 구분되지 않는 경우가 많기 때문이다.

• 신호 분석: 분석 결과 최소 2개 이상의 데이터 세트에서 사용된 신호는 22개로 식별되었다.

  • **진동(Vibration)**이 가장 흔한 신호(34개 데이터 세트)이며, **전류(Current)**와 온도(Temperature)(각 33개 데이터 세트)가 근소한 차이로 그 뒤를 잇고, 전압(Voltage)(25개)이 뒤따른다. 이들은 전기 및 기계 부품 도메인에서 지배적이다.
  • 속도(Speed)(20개)와 압력(Pressure)(18개) 또한 흔하게 나타난다.
  • 신호 가용성은 과업에 따라 차이가 있다. 예측 데이터 세트는 전류와 온도에 크게 의존하는 반면, 진단 데이터 세트는 진동 신호가 우세하다.
  • 한계점으로, 22개의 신호 중 10개는 4개 이하의 데이터 세트에서만 나타나며, 이는 특정 응용 분야에서 관찰되는 희소성을 반영한다.

의의 및 주장
본 논문은 구조화된 분류 체계와 종합적인 개요를 통해 공개 가용 데이터의 현재 커버리지를 명시적으로 드러내며, 데이터가 어디에 집중되어 있고 어디가 미흡한지를 강조한다고 주장한다. 저자들은 몇몇 자주 연구되는 사례(배터리 및 베어링 등)와 신호 양상(진동, 전류, 온도)에 대해서는 벤치마킹이 잘 지원되고 있지만, 더 넓은 일반화와 과업 특화된 평가는 불균형한 커버리지로 인해 제한적이라고 단언한다.

본 연구는 PHM 사용자들이 적합한 데이터 세트를 찾는 데 소요되는 시간을 단축하기 위한 자원으로 활용되는 것을 목표로 한다. 저자들은 역동적인 PHM 분야에서 데이터 커버리지의 진화를 추적하고, 어떤 추가적인 공개 데이터가 가장 큰 영향을 미칠 수 있는지를 식별하기 위해 이 개요를 유지하고 확장하는 것이 필요하다고 강조한다. 본 논문은 새로운 실험적 방법이나 응용 분야를 제안하는 것이 아니라, PHM 방법론의 개발과 경험적 벤치마킹을 용이하게 하기 위해 기존의 지식을 구조화하는 데 목적이 있다.