1. 전자신호 데이터 기반 AI
-
EdgeAI의 핵심 기능:
-
전자신호 데이터를 기반으로 제품의 고장 원인과 고장 시점을 예측
-
진행성 불량을 모니터링하고, 진단 및 예지를 통해 운영 신뢰성을 높임
-
-
적용 대상:
-
전자장치를 포함한 엣지시스템의 고장 원인 진단 및 발생 시점 예측
-
잔여 수명 예측을 통해 운영 효율성을 극대화
-
-
기술적 강점:
-
RPA 가상검증에서 축적된 데이터를 기반으로 고장 패턴을 학습하고 미래의 고장 시점을 예측
-
4Q 2025 출시 예정으로, 특정 제품군에 최적화된 AI 솔루션 제공
-
2. 배터리 데이터 기반 AI
-
배터리의 중요성:
-
엣지시스템의 동력 공급원으로 배터리는 임무 수행의 핵심
-
충전 및 방전 패턴을 분석하여 배터리의 건전성 상태와 잔여 수명을 예측
-
-
데이터 기반 분석:
-
배터리의 전기적, 화학적, 구조적 데이터를 수집 및 분석
-
충전/방전 주기와 잔여 용량을 실시간으로 모니터링하여 예기치 못한 고장을 방지
-
-
적용 기술:
-
ARULE과 CellSage는 배터리 데이터 기반의 인공지능 솔루션으로, 잔여 수명 예측 및 고장 진단
-
빅데이터 기반 예측 모델을 통해 배터리 운영의 안정성과 효율성을 극대화
-
3. 기타 빅데이터 기반 AI
-
데이터 통합의 중요성:
-
엣지시스템의 데이터는 각각 고유한 정보를 담고 있으나,
-
동일하거나 유사한 시스템 데이터를 결합하면 더 정밀한 분석이 가능
-
-
빅데이터 기반 분석:
-
장시간에 걸쳐 수집된 데이터셋을 분석하여 고장 패턴과 운영 특성을 도출
-
물리 기반 정보와 데이터 기반 정보를 통합하여 예측 모델을 정밀화
-
-
적용 사례:
-
기상 데이터와 센서 데이터를 통합하여 운영 환경의 위험 요소를 예측
-
전자신호 데이터와 배터리 데이터를 동시에 분석하여 시스템의 종합적인 건강 상태를 평가
-