1. 시스템 개요
- 목적AI 보조 분석은 KCS 계측방식이 아니라, 축적된 계측 시계열에 머신러닝 · 통계 기법을 적용해 이상 패턴 탐지, 변위 · 침하 예측, 센서 고장 · 노이즈 구분을 보조하는 NMTI 운영 확장 스마트 계측 플랫폼의 데이터 레이크 · API 위에서 구현하는 것이 일반적이며, 관리기준 · 조치 판단을 AI 단독으로 확정 금지
2. 구성 요소
- 이상탐지복합 센서 동시 이상 포착
- 예측추세 · 잔류 변위 예측
- 품질결측 · 드리프트 자동 판별
3. 현장 구성·원리
- 구성 흐름데이터 레이크 · API(원격 · 스마트 플랫폼 축적) → 분석 · 모델(이상탐지 · 예측) → HITL 검토 → 경보 · 보고에 보조 반영. AI 단독 결정은 사용 금지
- 측정 대상초기에는 규칙 기반 경보와 병행하며, 충분한 라벨 · 이벤트 데이터가 쌓이면 모델을 보조 의사결정에 사용 AI 결과는 항상 공학적 해석 · 현장 확인과 함께 적용
4. 설치·운영
- 데이터 품질 · 메타데이터 정비
- 이벤트 · 공정 라벨링 체계
- 모델 · 기준선 · 검증 지표 정의
- HITL(사람 검토) 워크플로
- 모델 버전 · 감사 로그
5. 데이터·관리
| 적용 | 입력 | 주의 |
|---|---|---|
| 이상탐지 | 다채널 시계열 | 오경보 검토 |
| 예측 | 침하 · 변위 곡선 | 외삽 한계 |
| 분류 | 센서 상태 | 현장 교차 확인 |
| 보조 | 경보 우선순위 | 최종 판단은 책임자 |
장애 유형 및 점검
| 이슈 | 점검 | 조치 |
|---|---|---|
| 오탐 다발 | 라벨 · 임계 | HITL 검토 · 모델 재학습 |
| 예측 외삽 | 데이터 범위 | 공학 해석 병행 |
| 결측 · 노이즈 | 센서 · 통신 | 품질 규칙 · 보정 |
| 모델 드리프트 | 이벤트 분포 | 버전 · 감사 로그 |
- 모델 성능 · 재현율 · 오탐률을 정기 평가하고, 중대 결정은 AI 단독 사용을 금지
- KCS: 현장 계측책임자 · 계측관리계획서 · 측정 · 보고 · 기준 초과 대응
자주 묻는 질문
데이터 양은?
이상탐지는 수개월 이상, 예측 모델은 사건 · 공정 라벨이 풍부할수록 유리
KDS · KCS 대체?
아님. 설계예상변위 · 최대허용변위 등 법정 기준을 대체하지 않고 보조
스마트 계측 선행?
데이터 수집 · 품질 · 경보 체계가 갖춰진 뒤 분석 · 모델을 얹는 것이 일반적
HITL이란?
Human-in-the-loop: AI 결과를 담당자가 검토 · 승인한 뒤 경보 · 조치에 반영