01
개요
기존의 정비는 주기에 따라 일률적으로 부품을 교체하였습니다. 아웃라이어의 철도 솔루션은 전 장치의 센서 신호를 상시 계측하여, 주기가 아니라 장치의 상태와 징후를 기준으로 정비 시점을 결정합니다.
- 운행 중전동차의 현재 상태를 실시간으로 감시하고, 고장 징후를 관제 센터로 즉시 전송합니다.
- 입고 후차상에 축적된 정밀 데이터를 회수하여 장치 상태와 잔여 수명을 예측합니다.
- 축적누적된 상태 이력은 잔여 수명 예측의 기반 자산으로 활용합니다.
02
시스템 구성
차상에서 관제 화면까지 데이터가 이동하는 전 구간을 단일 체계로 구축합니다.
차상 수집차상 수집 서버가 주요 장치의 센서 신호를 상시 계측·보관합니다.
전용 무선망 전송운행 중 전 편성이 주요 상태를 지상으로 실시간 송신합니다.
지상 수집 · 정제수신 데이터를 정제하여 장치·일자·편성 기준으로 분류 저장합니다.
AI 분석정상 패턴과의 편차를 측정하여 이상 징후와 잔여 수명을 산출합니다.
통합 관제실시간 상태, 경보, 판단 근거를 단일 화면에서 제공합니다.
03
주요 기능
실시간 감시와 예지 정비를 하나의 솔루션에서 동시에 처리합니다.
실시간 상태 감시REAL-TIME MONITORING
전용 무선망으로 운행 중 전동차의 상태를 관제 센터에 실시간 전송합니다.
AI 예지 정비PREDICTIVE MAINTENANCE
정상 거동 학습과 편차 측정으로 장치 상태와 잔여 수명을 산출합니다.
경보 임계치 자동 산정ADAPTIVE THRESHOLD
장치별 경보 기준을 AI가 자동 산정하여 오경보를 억제합니다.
통합 관제 대시보드CONTROL DASHBOARD
실시간 상태, 잔여 수명, 경보와 판단 근거를 단일 화면에서 확인합니다.
빅데이터 기반 분석DATA PLATFORM
장치·일자·편성 기준으로 분류 저장하여 필요한 구간만 조회·분석합니다.
정밀 데이터 회수DEPOT DATA RECOVERY
운행 중 차상에 축적된 정밀 신호를 입고 시점에 전량 회수합니다.
04
AI 예지 정비
과거 고장 이력이 아닌 정상 상태의 패턴을 학습하여, 사전에 관측된 적이 없는 이상까지 탐지합니다.
정상 패턴 학습 방식
한 번도 관측되지 않은
한 번도 관측되지 않은
이상까지 탐지합니다
- 01 정상 패턴 학습과거 고장 이력이 아닌 정상 상태의 패턴을 AI가 학습합니다.
- 02 편차 측정학습된 정상 대비 이탈 정도를 실시간으로 정량화합니다.
- 03 장치 상태 · 잔여 수명장치 상태와 잔여 수명을 산출하여 최적 정비 시점을 제시합니다.
- 판단 근거 제시경보와 함께 이상으로 판단한 근거를 제공합니다.
철도 관제는 국가 보안 1급 환경입니다. 수집부터 분석, 배포까지 전 과정을 폐쇄망 내부에서 수행하며, 원천 데이터는 어떠한 단계에서도 외부 인터넷 구간을 경유하지 않습니다.
01망 분리제어망과 업무망 사이에 계층을 두어 분리하고 관리 분계점을 규정합니다.
02내부 배포 저장소배포 시점에도 외부 저장소를 호출하지 않습니다.
03반입 절차외부 자산은 정해진 관문을 통해서만 내부로 반입합니다.
06
적용 현황
서울 도시철도에 구축하여 운영하고 있으며, 적용 노선을 확장하고 있습니다.
2026
- (주)우진산전서울시 지하철 1·4·8호선 스마트 실시간 통합 시스템 및 AI CBM 시스템 구축확장 적용 중
2025
- AI 철도 관제서울 도시철도 4호선 AI 스마트 관제 시스템 구축 완료구축 완료
2024
- (주)우진산전서울시 지하철 4호선 관제 모니터링 시스템 개발 (PC·KIOSK)완료
2022
- (주)우진산전서울시 지하철 4호선 관제 모니터링 시스템 빅데이터 클러스터 구축완료