4

RUL 개념: 정의, 계산 방법, 비즈니스 가치

Day 4: RUL 예측 (잔여수명 예측)

학습 목표
  • RUL(Remaining Useful Life)의 정의와 비즈니스 가치를 이해한다
  • Piece-wise Linear RUL과 Exponential RUL의 차이를 안다
  • RUL 예측이 정비 의사결정에 어떻게 활용되는지 설명할 수 있다

RUL (Remaining Useful Life) 이란?

잔여 수명: 현재 시점부터 설비가 고장 나기까지 남은 시간.

건강 지표가 실패 임계선에 닿는 시점을 예측한 잔여수명 곡선
[RUL 개념도]

설비 상태
  |
  |━━━━━━━━━━━━━━━━━━━━━━ 정상 운전
  |                    \
  |                     \  열화 시작
  |                      \
  |                       \
  |                        \  ← 현재 시점
  |                         \   RUL = 50 cycles
  |                          \
  |                           \ ← 고장
  └──────────────────────────────→ 시간(cycles)
                             |←RUL→|

분류 vs RUL 예측

구분분류 (Day 3)RUL 예측 (Day 4)
출력정상/경고/고장남은 cycles (숫자)
질문"지금 상태가 뭐야?""언제 고장 나?"
활용즉시 알림정비 일정 계획
모델ClassificationRegression

RUL 라벨링 전략

1. Linear RUL (단순)

RUL = max_cycle - current_cycle

      RUL
       |
  200  |\  
       | \  
  100  |  \  
       |   \  
    0  |    \____
       └────────→ cycle
       0   100  200

문제: 초반에 RUL이 너무 크다 (200+). 실제로 그때는 열화가 없다.

2. Piece-wise Linear RUL (실무 표준)

RUL_capped = min(RUL, cap)

      RUL
       |
  125  |━━━━━━━━\  ← cap = 125 (클리핑)
       |         \  
   60  |          \  
       |           \  
    0  |            \____
       └────────────────→ cycle

→ cap 이상은 모두 125로 통일
→ "충분히 건강하면 굳이 구분하지 않겠다"

3. 지수 변환 라벨 (고급)

h = exp(-alpha * RUL)        (alpha > 0, RUL = max_cycle - current_cycle)

  건강할 때 (RUL 이 큼)    h ≈ 0
  고장 시점 (RUL = 0)      h = 1

→ 고장 직전 구간의 해상도가 커진다
→ 값은 무차원 (0, 1] 이고 사이클 단위가 아니다
→ 사이클로 되돌리려면 RUL = -ln(h) / alpha 로 역변환한다
→ 역변환에서 오차가 지수적으로 커지므로 실무에서는 잘 쓰지 않는다

이 값을 「RUL」이라 부르면 안 된다. 잔여수명이 아니라 방향이 반대인 건강지표(health indicator)다. RUL 은 고장에 가까울수록 0 으로 내려가고, h 는 고장에 가까울수록 1 로 올라간다. exp(-alpha * (max_cycle - current_cycle)) 라고 써 놓고 RUL 이라 읽으면 부호를 통째로 뒤집게 된다.


비즈니스 가치

RUL 정확도현장 활용
오차 < 5 cycles정밀 정비 스케줄링
오차 < 20 cycles부품 사전 발주
오차 < 50 cycles분기 정비 계획
오차 > 50 cycles활용 어려움

핵심: 정확한 RUL 예측 = 최적 정비 시점 결정 = 비용 최소화

AI로 학습하기 — 꿀팁
RUL 의 비즈니스 가치와 비용 모델AI 학습 팁

RUL 예측이 비즈니스 가치를 만드는 메커니즘을 실제 비용 모델로 계산해보면 경영진 설득 자료로 활용할 수 있습니다.

항공기 엔진 또는 산업용 모터에서 RUL(Remaining Useful Life) 예측 AI를 도입했을 때 비즈니스 가치를 정량화하는 계산 모델을 만들어주세요. 입력 파라미터: 설비 대수 50대, 설비당 연간 고장 횟수 평균 3회, 고장당 긴급 수리 비용 500만원, 예방적 교체 비용 200만원, 생산 중단 비용 시간당 100만원, 평균 복구 시간 8시간. RUL AI 도입 후 고장 예측 정확도 80% 가정 시 (1) 연간 절감 비용 계산 공식과 결과, (2) ROI 손익분기점(BEP) 분석, (3) Piece-wise Linear RUL과 Exponential RUL 중 이 설비에 더 적합한 모델 선택 근거를 제시해주세요.
이 팁이 도움이 됐나요?
용어