시뮬레이션 기반 추론(SBI)을 활용한 실시간 장비 상태 모니터링

요약

산업 설비의 정확한 상태 진단은 불확실성 하에서 간접 센서 측정값으로부터 잠재적인 열화 매개변수를 추론하는 것을 필요로 합니다. 기존의 MCMC 기반 베이즈 방법은 계산 비용이 높아 실시간 적용에 한계가 있었습니다. 본 논문은 이를 해결하기 위해 시뮬레이션 기반 추론(SBI)을 제안합니다. SBI는 신경망 밀도 추정기(neural density estimators)를 사용하여 열-유체 관측값에서 열화 매개변수의 전체 사후 분포로 직접적인 매핑을 학습합니다. 이 접근법은 기존 MCMC 대비 진단 정확도를 유지하면서 추론 시간을 82배

핵심 포인트

• SBI는 신경망 밀도 추정기를 활용하여 열-유체 관측값에서 열화 매개변수의 사후 분포를 직접적으로 추론할 수 있게 합니다.
• 제안된 SBI 프레임워크는 기존 MCMC 기반 방법과 유사한 진단 정확도와 신뢰성 있는 불확실성 정량화를 달성했습니다.
• SBI를 적용하여 추론 시간을 전통적인 샘플링 방식 대비 82배 가속화할 수 있어 실시간 처리가 가능합니다.