전문워크샵 Workshop : 10월 24일(화)10:00 ~ 12:00

제목

• MATLAB을 활용한 손쉬운 AI 구현 및 예측 유지보수(PdM)

내용

• 산업 현장에서 기계 및 장비의 상태를 모니터링하고 고장을 예측하는 것은 생산성 향상과 비용 절감에 중요한 역할을 합니다.
  본 워크샵에서는 MATLAB을 활용하여 인공 지능(AI) 모델을 구현하고, 유지보수와 예측 유지보수(Predictive Maintenance, PdM)를 효과적으로 수행하는 방법을 소개드립니다.
  예측 유지보수(PdM) 구현에 대해 관심 있으신, CICS’23 정보 및 제어학술대회 참가자 분들께서 관심을 갖고 참여해주시면 감사드리겠습니다.

• 참고로 본 워크샵은 MathWorks의 미국 본사에서 Application Engineer로 근무하고 있는 경수완(Timothy Kyung)님이 진행할 예정이며, 영어로 진행됨을 참고 부탁드립니다.

---

특별세션 세미나 : 10월 24일(화) 15:40 ~17:30

세션 1: 시스템에 통합된 인공지능

내용

인공지능은 많은 경우 상위 시스템에 통합되어서 사용됩니다. 자율주행 시스템이 좋은 예입니다. 자율주행의 복잡한 시스템에서 인공지능은 상황인지, 제어 등 다양한 기술 개발에 사용될 수 있고, 이러한 인공지능은 시스템에 통합되어 검증되고 사용되어야 합니다. 또 다른 예로 배터리 관리 시스템(BMS)에서는 배터리의 충전상태(SOC)를 알아내는 것이 설계에서 중요한 요소인데 이 경우 최근 인공지능을 활용한 연구가 각광을 받고 있습니다. 본 발표에서는 MATLAB 에서 배터리의 충전 상태 예측을 위한 인공지능 모델 개발과 Simulink 시스템에 통합하는 과정을 소개합니다.

• 배터리 충전 상태(SOC) 예측을 위한 인공지능 개발
• TensorFlow 모델을 MATLAB으로 불러오기
• 인공지능의 시스템 통합 및 시뮬레이션
• 인공지능 모델의 코드생성

세션 2: 복잡한 시스템을 인공지능으로 간소화 하기(Reduced Order Modeling)

내용

복잡한 시스템은 시스템 자체를 설계하는데 있어서도 전문적인 지식과 노력이 필요하지만 또 시스템을 시뮬레이션하는데 있어서도 오랜 시간이 걸리는 어려움이 있습니다. 인공지능은 복잡한 시스템 구성 요소를 입,출력 값을 기반으로 학습하여 대체 모델을 만들 수 있게 해 줍니다. 이 경우 복잡한 설계과정 없이 동일한 역할을 하는 구성요소를 얻을 수 있으며, 빠른 시뮬레이션 역시 가능합니다. 본 발표에서는 모델 정확도부터 배포 효율성까지 전체 시스템 설계 측면에서 가장 적절한 인공지능 기술을 선택하기 위해 다양한 접근 방식(딥 러닝, Neural ODE, 시스템 식별)을 탐색할 수 있는 방법을 살펴보겠습니다.

• 인공지능 기반의 차수 축소 모델링
• 시스템 식별 및 Neural ODE 기반의 차수 축소 모델링
• 차수 축소 모델의 시스템 통합 및 코드 생성