운 영 : 아주대학교(데이터 지능형 PHM 연구실, 인공지능 기반 시스템 분석 연구실)
<aside> 🔗
KSPHM-KIMM 기계 데이터 챌린지 2025 팀 등록
🔔팀 등록은 팀장이 대표로 진행하며, 본선 진출 팀의 팀장은 PHM Korea 2025 정기학술대회에 등록해야 합니다. (예선 참여 시, 제한 없음)
🔔팀원 인원의 제한은 없습니다. 또한 여러 기관이 공동으로 참여할 수 있습니다.
</aside>
<aside> ⚠️
Train Set 공개가 완료되었습니다. 3개의 링크를 업로드하였으며, 각 링크의 데이터셋은 동일합니다.
</aside>
| 랭킹 | 팀 이름 | 소속 | Final Score |
|---|---|---|---|
| 1 | |||
| 2 | |||
| 3 | |||
| 4 | |||
| 5 |
| 진행 내용 | 날짜 |
|---|---|
| 데이터 공개 1차 (Training Set) | 4/14 (월) |
| 팀 등록 마감 | 5/7 (수) |
| 데이터 공개 2차 (Validation Set) | 5/19(월) |
| Validation 예비 제출 | 5/23(금), 5/26(월), 5/28(수) |
| Validation 최종 제출 | 5/30(금) |
| 결과 발표 | 6/3(화) |
| 발표 평가 | 6/23(월) |
| 우수 팀 시상 | 6/24(화) |
<aside> 💡
</aside>
베어링은 기계 설비의 핵심 요소로, 그 수명을 예측하는 것은 매우 중요합니다. 장비의 지속적인 사용으로 인해 베어링에 마모 또는 균열이 발생하면 장비의 고장 및 생산 중단으로 이어질 수 있습니다. 따라서 베어링의 상태 모니터링 및 수명 예측 기술은 산업 현장에서 매우 중요한 연구 분야입니다.
본 챌린지의 목적은 진동 데이터를 활용하여 베어링의 잔여수명을 예측하는 것입니다. 이를 통해 실무에서 적용가능한 강건한 예측 모델을 개발하고, 산업 현장의 유지 보수 효율성을 향상시키고자 합니다.
본 대회의 최종 목표는 베어링의 진동 데이터를 사용하여 베어링의 수명 예지 모델을 개발하는 것입니다.
본 챌린지에서 제공되는 데이터는 베어링 고장 인가 실험을 통해 수집되었습니다. 베어링에 미세 고장을 인가하여 테스트베드에 조립 후 테스트베드를 운전하여 고장을 심화시켰습니다. 테스트베드는 베어링의 열화가 일어나도록 설계 및 제작되었으며,진동, 온도, 하중 등의 데이터를 수집할 수 있도록 제작되었습니다.
다만, 테스트베드는 노이즈가 많이 발생되는 환경에서 운전이 이루어져, 본 챌린지에 사용될 원본 데이터에 다량의 노이즈가 포함되어 있습니다. 참가팀는 적절한 신호 처리 기법을 활용하여 모델 성능을 최적화해야 합니다.
그림1. 테스트베드 시험장치
그림2. 테스트베드 구조
그림3. 테스트베드 세부 구조
<aside> 💡
</aside>
실험에 활용된 베어링의 상세 규격은 아래와 같습니다.
| --- | --- | --- |
| --- | --- |
| --- | --- |
| --- | --- | | 베어링 하우징 온도 | 200 ℃ 이상 | | 회전 토크 | -17 Nm 이하 |
학습용 데이터 셋 : https://naver.me/GALyyfG1 (다운로드 링크 1)
[Train Set.egg](<https://1drv.ms/u/c/a0e4f1d96c90519a/EaCM3zUe0ytNv1Dhmi1wXUgBeT9CkKy0ryA3DM4nKPpUdw?e=4CEUVZ>) (다운로드 링크 2)
[<https://drive.google.com/file/d/1HRqiXEQjjfmfN_Vgm7zIbHbSTB0dS0b2/view?usp=sharing>](<https://drive.google.com/file/d/1HRqiXEQjjfmfN_Vgm7zIbHbSTB0dS0b2/view?usp=sharing>) (다운로드 링크 3)
검증용 데이터 셋 : 5월 19일 공개
베어링 열화시험 데이터는 학습용 train 데이터 셋과 검증용 validation데이터 셋으로 나누어서 제공됩니다.
train 데이터 셋 : 열화시험 중단 조건에 도달할 때까지 시험한 데이터로, 참가팀는 이 데이터 셋을 사용하여 모델을 학습해야 합니다.