Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2021.05a
  • /
  • Pages.404-407
  • /
  • 2021
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on the Development of Anomaly Detection Prediction Model for Deep Learning-Based Drilling Equipment

딥러닝 기반 시추장비 이상 예측 및 진단 모델 개발 연구

  • Han, Dong-Kwon (Dept. of Future and Energy Engineering, Dong-A University) ;
  • Kim, Min-Soo (Dept. of Future and Energy Engineering, Dong-A University) ;
  • Kwon, Sun-Il (Dept. of Future and Energy Engineering, Dong-A University) ;
  • Choi, Jung-Ho (Dept. of Naval Architecture and Offshore Engineering, Dong-A University)
  • 한동권 (동아대학교 환경에너지공학부 미래에너지공학전공) ;
  • 김민수 (동아대학교 환경에너지공학부 미래에너지공학전공) ;
  • 권순일 (동아대학교 환경에너지공학부 미래에너지공학전공) ;
  • 최정호 (동아대학교 조선해양플랜트공학과)
  • Published : 2021.05.12
Download PDF
⟨ Previous Next ⟩

Abstract

석유개발 현장에서 시추장비의 고장으로 인한 장비교체 및 시추시간 증가는 막대한 비용소모를 발생시킨다. 본 논문은 딥러닝 기반의 시추장비 중 드릴비트의 동력을 구동시키는 디젤엔진의 고장 요소를 분류하고 이 요소에 따른 고장여부를 판별하는 딥러닝 기반의 이상 예측 및 진단 모델을 개발하였다. 또한 제안한 모델의 우수성을 확인하기 위해 로지스틱 회귀분석 분류모델과의 예측성능 비교분석도 수행하였다.

Keywords

Acknowledgement

본 연구는 2021년도 산업통상부의 재원으로 한국에너지기술평가원(KETEP)의 지원을 받아 수행한 연구 과제입니다(No. 20182510102500).