Two-stage monitoring design and budgeted condition-based maintenance for LED lighting systems: a gamma-process-based ensemble Kalman filter approach

기술 요약: LED 조명 시스템을 위한 2단계 모니터링 설계 및 예산 기반 상태 기반 정비(CBM)

문제 정의
발광 다이오드(LED) 조명 시스템은 시간이 지남에 따라 퇴화하여 작업면(WP) 조도를 감소시키고 부적절한 실내 조명의 위험을 높인다. 확률적 퇴화 모델은 일반적인 경향을 예측할 수는 있지만, 단위 간 변동성 및 미규명된 운전 조건으로 인해 개별 설치된 조명 기구에 대한 정확성은 떨어지는 경우가 많다. 설치 후 개별 조명 기구의 퇴화 상태(예: 적분 구 사용)를 직접 측정하는 것은 비현 practical하다. 반대로, 현장(in situ) 작업면 조도 측정은 실용적이지만 복잡한 역문제(inverse problem)를 제시한다. 즉, 단일 작업면 측정값은 국부적인 센서-조명 기구 관계가 아니라 해당 구역 내 모든 조명 기구의 중첩된 기여를 반영한다.

이는 다음과 같은 이중 과제를 생성한다:

1. 역상태 추정(Inverse State Estimation): 희소하고 전역적으로 결합된 작업면 측정값으로부터 고차원의 잠재적 퇴화 상태를 추론하기 위해서는 식별성 제약 조건(단독 추정을 위해 측정 횟수가 조명 기구 수보다 크거나 같아야 함)을 만족하는 정보가 풍부한 측정 레이아웃이 필요하다.
2. 예산 기반 정비 최적화: 대규모 시스템은 매 모니터링 방문 시 전체 측정 세트를 측정할 여력이 없다. 총 가동 중단 시간과 교체 비용을 최소화하기 위해 고정된 모니터링 예산 하에서 방문 일정, 각 방문 시 측정할 측정값의 부분 집합, 그리고 예방적 교체 정책을 공동으로 최적화해야 할 필요가 있다.

방법론
본 논문은 설계 단계의 레이아웃 최적화와 실행 단계의 순차적 필터링 및 상태 기반 정비(CBM)를 통합하는 2단계 프레임워크를 제안한다.

• 1단계: 설계 단계 참조 레이아웃 최적화

  • 상태-조도 모델링: 비균질 감마 프로세스(nonhomogeneous gamma process)는 각 조명 기구의 단조 퇴화를 모델링한다. 고충실도 Radiance 시뮬레이터는 순방향 조도 데이터를 생성하며, 이는 선형-가우시안 대리 모델($E = Cx + b + \epsilon$)로 근사된다. 이 명시적인 관측 모델은 잠재적 퇴화 상태($x$)를 작업면 조도 측정값($E$)에 연결하며, 모델 및 측정 불확실성을 정량화한다.
  • 식별성 제약 D-최적 설계: 역상태 추정을 가능하게 하기 위해, 본 프레임워크는 설계 단계의 측정 레이아웃 선정을 최적 실험 설계 문제로 정식화한다. 단일 에포크(single-epoch) 식별성을 보장하기 위해 최소 측정 횟수($m \ge J$, 여기서 $J$는 조명 기구 수)를 강제하여 피셔 정보 행렬(Fisher Information Matrix)이 특이 행렬이 되지 않도록 한다. 정보가 풍집한 "참조 레이아웃"($\mathcal{S}_{ref}$)을 후보 그리드로부터 선택하기 위해 D-최적 기준($\log \det(H^T \Omega^{-1} H)$ 최대화)이 사용된다. 이 NP-난해한 조합 최적 문제를 해결하기 위해 하이브리드 그리디 탐색(Hybrid Greedy Search, HG) 및 유전 알고리즘(Genetic Algorithms, GA)을 포함한 휴리스틱 전략이 채택된다.

• 2단계: 실행 단계 모니터링 및 예산 기반 CBM

  • 순차적 필터링: 퇴화 상태를 추적하기 위해 앙상블 칼만 필터(Ensemble Kalman Filter, EnKF)가 사용된다. 표준 칼만 필터와 달리, EnKF는 앙상블 궤적을 전파함으로써 감마 프로세스 증분의 비가우시안 특성을 처리한다. 이는 이전 방문으로부터 전파된 사전 정보와 결합하여 희소한 작업면 측정을 동화(assimilate)한다. 이를 통해 단일 방문 시 측정 횟수가 식별성 한계 미만인 경우에도 정확한 상태 추정이 가능하다.
  • 측정 설계 및 정책 최적화: 실행 단계에서는 언제 방문할 것인지와 참조 레이아웃의 어떤 부분 집합을 측정할지를 결정한다. "구역 순환(zone cyclic)" 규칙은 참조 레이아웃을 $n_{zone}$개의 구역으로 분할하여, 방문 시 각 구역에서 하나의 지점을 측정한다.
  • 위험 기반 정비: 퇴화 상태의 사후 예측 분포를 사용하여 다음 방문 전 조명 기구가 고장 임계값을 초 exceed할 확률을 계산한다. 위험 임계값($p_{th}$)을 초과하는 경우 예방적 교체가 트리거된다.
  • 공동 최적화: 프레임워크는 방문 일정(첫 방문 시간, 간격), 활성 측정 횟수($n_{zone}$), 그리고 위험 임계값($p_{th}$)을 동시에 최적화한다. 이는 모니터링 예산($B_{mon}$) 제약 조건 하에서 기대 총 가동 중단 시간과 교체 비용을 최소화하기 위해 쌍별 스크리닝을 포함한 순차적 그리드 탐색(Sequential Grid Search with Paired Screening, SGS-PS) 알고리즘을 사용하여 해결된다.

주요 기여

1. 명시적 관측 모델: 잠재적 퇴화 상태를 작업면 조도로 매핑하기 위해 Radiance 시뮬레이션에서 유도된 선형-가우시안 대리 모델을 개발하여, 불확실성이 정량화된 역상태 추정을 가능하게 하였다.
2. 식별성 제약 레이아웃 설계: 설계 단계의 측정 레이아웃을 단일 에포크 식별성에 필요한 최소 측정 횟수 제약이 있는 D-최적 실험 설계 문제로 정식화하여, 정보가 풍부한 참조 레이아웃을 도출하였다.
3. 희소 모니터링을 위한 순차적 EnKF: EnKF가 시간적 정보를 활용함으로써 (조명 기구 수보다 적은) 희소한 측정을 통해서도 효과적으로 퇴화 상태를 추적할 수 있음을 입증하였으며, 이를 통해 실행 단계의 측정 노력을 줄였다.
4. 예산 기반 공동 최적화: 방문 일정, 활성 측정 선택, CBM 위험 임계값을 통합적으로 최적화하여, 시간적 업데이트 빈도와 공간적 측정 정보 사이의 트레이드오프를 명시적으로 다루는 예산 제약 하의 통합 프레임워크를 구축하였다.

결과
프레임워크는 76개의 조명 기구와 50년의 기간을 가진 사무실 조명 구역 사례 연구를 통해 평가되었다.

• 레이아웃 선택: 하이브리드 그리디 탐색(HG) 레이아웃은 D-최적 목적 함수 측면에서 Nadir-point 및 유전 알고리즘 레이아웃보다 우수한 성능을 보였으며, 일반화된 추정 불확실성을 최소화하는 참조 레이아웃을 제공하였다.
• 정책 성능: 기본 모니터링 예산 하에서 최적의 정책은 3개월의 방문 간격과 0.12의 위험 임계값을 갖는 중간 단계의 활성 측정 횟수($n_{zone}=20$)를 활용하였다. 이 구성은 전체 참조 레이아웃을 측정하는 것보다 빈번한 상태 업데이트를 우선시하였다.
• 벤치마크와의 비교: 블록 교체(시간 기반) 벤치마크와 비교했을 때, 제안된 예산 기반 CBM 정책은 기본 불확실성 하에서 총 가동 중단 시간과 교체 비용을 10.2% 감소시켰으며, 확대된 히팅 타임(hitting-time) 불확실성 하에서는 40.5% 감소시켰다.
• 민감도 분석:
  • 불확실성: 퇴화 히팅 타임의 불확실성이 증가하면 최적 정책은 더 공격적인 위험 임계값과 더 높은 활성 측정 횟수를 향해 이동하며, 이는 상태 정보의 가치가 높아짐을 나타낸다.
  • 예산: 엄격한 예산 하에서는 프레임워크가 방문 빈도(시간적 업데이트)를 우선시하였다. 예산이 증가함에 따라 최적 정책은 빈번한 방문을 유지하면서도 전체 참조 레이아웃($n_{zone}=76$)을 측정하는 방향으로 이동하였는데, 이는 공간적 정보가 시간적 빈도가 저해되지 않을 때 유익함을 시사한다.

의의
본 논문은 간접적이고 전역적으로 결합된 측정을 통해 조명 기구의 퇴화를 추론하는 역문제에 대한 체계적인 접근법을 제공한다는 점에서 의의를 갖는다. 정보가 풍부한 참조 레이아웃 설계와 실행 단계의 희소 측정 선택을 분리함으로써, 프레임워크는 전체 시스템 모니터링의 경제적 및 물류적 장벽을 극복한다. 순차적 필터링과 예산 제약 최적화를 결합한 것은 측정 자원이 제한적인 상황에서도 신뢰할 수 있는 상태 모니터링과 비용 효율적인 정비가 가능하다는 것을 보여주며, 대규모 LED 조명 인프라를 위한 확장 가능한 솔루션을 제시한다.