• ETRI Journal
• /
• 제14권4호
• /
• pp.148-164
• /
• 1992

본 논문에서는 TDX-10 데이터베이스 데이터의 고장을 주기적으로 진단하고 복구할 수 있는 고장진단 전문가 시스팀을 제안하고 구현하였다. 실시간 환경 및 분산구조를 갖는 데이터베이스 관리 시스팀에서 데이터베이스의 효과적인 접근을 위해서 필요한 데이터베이스의 데이터 즉, 디렉토리와 딕셔너리는 매우 중요하며 고장이 발생할 경우 데이터베이스 관리시스팀에 미치는 영향은 치명적이다. 따라서, 실시간 환경을 갖는 데이터베이스 관리 시스팀에서 데이터베이스 데이터에 대한 고장 진단 및 복구는 필수적이라고 할 수 있다. 본 논문에서 제안한 고장진단 전문가 시스팀은 데이터베이스 데이터를 운용중 변하는 부분과 변하지 않는 부분으로 분류하고 미리 주어진 고장진단 규칙에 따라 진단하는 방법이다. 데이터베이스 데이터의 고장진단 데이터, 고장진단 규칙, 고장진단 데이터 생성기, 고장진단 데이터 검증기, 그리고 고장진단기로 구성되어 있다. 고장진단 데이터는 고장진단기가 데이터베이스 데이터를 주기적으로 진단하기 위하여 사용하는 마스터 데이터로서 두개가 존재한다. 고장진단 데이터 생성기는 데이터베이스 데이터의 고장진단을 위한 데이터 구조를 생성하고 데이터베이스로부터 데이터베이스를 데이터를 중복하여 읽어들이는 역할을 한다. 이와 같은 과정은 시스팀이 초기에 동작을 시작하거나 운용중 운용자에 의해서 릴레이션의 추가 및 삭제, 그리고 튜플의 추가등과 같은 사건이 발생할 경우에 이루어진다. 데이터베이스 검증기는 고장진단 데이터 생성기가 중복하여 생성한 데이터에 대해서 데이터베이스 데이터의 제작시의 초기 오류를 검증해냄으로써 데이터베이스 관리 시스팀의 안전한 운용을 가능하게 하며 고장진단기가 데이터베이스 데이터를 주기적으로 진단할 데이터를 탄생시킨다. 마지막으로 고장진단기는 주기적으로 데이터베이스 데이터의 고장을 진단하여 고장이 발생한 데이터를 미리 분류한 규칙에 따라 원래의 데이터로 복구하거나 운용자에게 보고함으로써 고장에 대비하도록 한다. 그리고 데이터베이스 상의 운용자에 의한 변경을 감지하여 고장진단 데이터의 재생성을 지시한다. 본 논문에서 제시하고 구현한 데이터베이스 데이터의 고장진단 및 복구를 위한 전문가 시스팀은 실시간 환경과 고장허용 환경, 분산 구조 그리고 빈번한 접근을 갖는 데이터베이스 관리 시스팀에서 아주 중요한 역할을 할 수 있다.

• 한국신뢰성학회:학술대회논문집
• /
• 한국신뢰성학회 2000년도 추계학술대회
• /
• pp.353-362
• /
• 2000

다양한 컴포넌트들로 구성된 시스템의 수명 데이터는 시스템 컴포넌트들의 신뢰성을 추정하는데 많이 사용된다. 하지만 비용이나 고장진단의 기술적 문제 때문에 시스템 고장의 정확한 원인을 밝혀내기는 어렵다. 시스템이나 컴포넌트의 수명 데이터 중 정확한 고장원인을 알 수 없는 데이터를 마스크 데이터라 한다. 본 연구는 마스크데이터와 베이지안 추정의 연구방향을 살펴보고, 그리고 고장률의 비정보 사전분포를 이용하여, 컴포넌트가 직렬로 구성된 시스템의 수명 데이터가 마스크 데이터를 갖는 지수분포의 시스템 컴포넌트 고장률을 추정한다.

• 대한안전경영과학회:학술대회논문집
• /
• 대한안전경영과학회 2000년도 추계학술발표논문집
• /
• pp.53-62
• /
• 2000

다양한 컴포넌트들로 구성된 시스템의 수명 데이터는 시스템 컴포넌트들의 신뢰성을 추정하는데 많이 사용된다. 하지만 비용이나 고장진단의 기술적 문제 때문에 시스템 고장의 정확한 원인을 밝혀내기는 어렵다. 시스템이나 컴포넌트의 수명 데이터 중 정확한 고장원인을 알 수 없는 데이터를 마스크 데이터라 한다. 본 연구는 마스크데이터와 베이지안 추정의 연구방향을 살펴보고, 그리고 고장률의 비정보 사전분포를 이용하여, 컴포넌트가 직렬로 구성된 시스템의 수명 데이터가 마스크 데이터를 갖는 지수분포의 시스템 컴포넌트 고장률을 추정 한다.

• Journal of the Korean Data and Information Science Society
• /
• 제22권4호
• /
• pp.755-764
• /
• 2011

기업은 종종 과거의 필드 고장 데이터를 이용하여 미래에 필드에서 고장이 얼마나 일어날 것인지 예측한다. 특히 이런 예측은 필드에서 예기치 않던 고장모드 (failure mode)가 발견될 때 더욱 하고 싶어진다. 왜냐하면 기업은 이런 예측을 통해 미래에 품질보증 비용이 얼마나 될 것인지 파악하고, 고장 난 부품을 재빨리 수리하는데 필요한 여유 부품의 수를 파악하고 싶기 때문이다. 본 연구에서는 기업에서 생길 수 있는 요약 데이터를 사용하여 미래 필드에서 고장이 얼마나 발생할 것인지 예측하고, 이런 요약 데이터이외에 또 어떤 데이터가 생길 수 있으며 이때 분석결과가 어떻게 나올 수 있는지 알아본다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.463-467
• /
• 2002

본 논문에서는 사출 성형기 Barrel 부분에 인공지능 알고리즘을 적용하여 고장 검출 및 진단 시스템을 구성하였다. 고장 검출 및 진단을 위한 실시간 계측 시스템을 구축하였고, 계측된 데이터를 SQL-2000 Server를 사용하여 사출 성형기 Barrel의 이력 데이터베이스를 구축하였다 기존의 시스템이 단 시간의 시스템 정보를 습득하여 고장을 검출하고 진단한 것에 비해 본 연구에서는 장시간의 데이터를 습득하여 고장 검출 및 진단에 신뢰성을 높일 수있었다 고장 진단에 필요한 데이터는 실제 시스템의 운전에서 실시간으로 습득하였고, 데이터의 신뢰성을 높이기 위해 사출 성형기의 데이터와 정밀 계측기의 데이터를 Database에 저장하였다. 고장 검출 및 진단을 위하여 Fuzzy 알고리즘을 사용하여 신뢰성 있는 진단을 수행하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2006년도 전력전자학술대회 논문집
• /
• pp.305-307
• /
• 2006

기존에 사용되어 온 진동데이터를 이용한 유도전동기 고장진단 기법은 유도전동기의 전기적 결함을 파악하기 어렵고 특정 고장의 경우 유사한 진동주파수를 포함하고 있어 정확한 고장진단이 어렵다. 본 논문에서는 유도전동기 고장진단 시스템을 구현하기 위해 기존의 진동데이터 분석에 전류 분석기법 중의 하나인 MCSA(Motor Current Signature Analysis)기법을 추가하여 유도전동기 예지보전시스템의 신뢰성을 향상시켰다. 구현된 시스템의 신뢰성을 검증하기 위해 유도전동기의 고장진단을 위한 실험환경을 구축하고 진동데이터만을 이용하여 얻어진 고장진단 결과와 전류데이터 분석을 병행하여 얻어진 고장진단 결과를 비교 분석하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 추계학술대회 논문집 학회본부 D
• /
• pp.735-738
• /
• 2000

인터넷의 대중화와 함께 데이터 통신서비스에 대한 수요로 데이터 통신망은 그 양과 종류가 급격하게 증가하고 있어서 통신망 운용에 따른 망구성 및 고장처리 체계의 정립이 필요하게 되었다. 더더구나 앞서가는 통신업자들은 사이버상에서도 양질의 고객응대 서비스를 제공하려고 노력하고 있다. 현재 통신망연구소에서 개발중인 데이터 통신망 통합 고장처리시스템은 한국통신에서 제공하고 있는 데이터망들에 대한 고장신고를 접수하고, 고장에 대한 시험 및 수리를 수행하며, 그 결과를 고객에게 통보하는 전과정에 관련된 기술을 포함하고 있다. 본 논문에서는 데이터 통신망에 대한 고장시험, 가입자정보관리, 망상태관리에 관련된 시스템들과의 체계적인 연동을 통한 통합고장처리 방안, 시스템 개발 구조 등을 기술한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제4권1호
• /
• pp.9-18
• /
• 2015

소프트웨어 신뢰도 성장 모델은 고장 데이터를 사용해서 소프트웨어 출시일 또는 추가 테스트 노력을 결정하는 데 사용된다. 소프트웨어 신뢰도 성장 모델을 사용할 때 특정 소프트웨어 신뢰도 성장 모델을 모든 소프트웨어에 사용할 수 없는 문제가 있다. 또한 신뢰도를 평가하기 위해 이미 많은 수의 소프트웨어 신뢰도 성장 모델이 제안되었다. 따라서 특정 조건에 맞는 최적의 소프트웨어 신뢰도 성장 모델을 선택하는 것은 중요한 이슈가 되었다. 기존 소프트웨어 신뢰도 성장 모델 선택 방법에서는 수집된 고장 데이터 전체를 사용하고 있다. 그런데 초기에 수집된 고장 데이터는 미래 고장 예측에 영향을 주지 않을 수도 있고 경우에 따라서는 미래 고장 예측 과정에서 왜곡된 결과를 초래할 수도 있다. 이를 해결하기 위해서 이 논문에서는 부분 고장 데이터를 이용하여 적합도 평가를 수행하는 방법에 기반을 둔 소프트웨어 신뢰도 성장 모델 선택 방법을 제안한다. 이 논문에서는 고장 데이터에서 과도하게 불안정한 데이터를 제외한 부분 데이터를 사용한다. 소프트웨어 신뢰도 성장 모델 선택에 사용될 부분 데이터는 전체 고장 데이터와 고장 데이터의 일부를 제외한 부분 고장 데이터의 미래 고장 예측 능력의 비교를 통해서 찾는다. 연구의 타당성을 보이기 위하여 실제 수집된 고장 데이터를 사용해서 전체 데이터를 적용한 경우보다 부분 데이터를 사용한 경우의 미래 고장 예측 능력이 더 정확함을 보인다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2023년도 춘계학술대회
• /
• pp.275-276
• /
• 2023

산업 현장의 기계 시설물 고장 문제는 큰 인명피해와 경제적 손실을 초래할 수 있기 때문에, 기계 시설물의 상태를 기반하여 고장을 진단하는 것은 대단히 중요하다. 따라서, 본 연구에서는 전류 센서 데이터를 활용하여, 시설물의 고장 여부를 진단할 수 있는 알고리즘을 제안한다. 본 연구에 활용된 전류 센서 데이터는 x, y, z축을 가진 3상 전류 데이터로 구성되어 있으며, 2kHz로 1초간 샘플링 되어 있다. 본 연구에서는 2차원적 특성을 가지는 전류 센서 데이터를 분석하기 위해 CNN(Convolution Neural Network)을 활용한다. 시설물의 고장진단에 가장 적합한 모델을 선정하기 위해 CNN의 대표적인 백본 네트워크를 활용하여, 결과를 비교하였다. 실험 결과, 본 연구에서 구성한 후보 백본 네트워크 중 ResNet의 분류 정확도가 98.5%로 가장 높게 나타났다.

• 한국원자력학회:학술대회논문집
• /
• 한국원자력학회 1998년도 춘계학술발표회논문집(1)
• /
• pp.252-257
• /
• 1998

국내 원전에 신뢰도 기반 정비(RCM : Reliability Centered Maintenance) 기법을 도입하기 위해 수행하고 있는 영광 1,2호기 시법계통 RCM 분석에서 관련 기기의 고장데이터를 RCM 분석 방법론에 따라 분석하였다. 본 논문에서는 작업의뢰서와 작업보고서 기록내용을 토대로 지배적인 고장모드 및 다빈도 고장발생 기기를 파악하여 고장원인을 분석하였으며, 기기 유형으로 분류하여 고장들을 분석하였다. 분석결과 지배적인 고장모드는 EPRI에서 분류한 고장모드에 모두 포함되었으며, 고장빈도가 높은 기기의 고장원인은 운전환경, 사용유체, 운전형태, 기기 형식 등에 따라 고장메커니즘이 다르게 나타나는 것으로 분석되었다. 기기 유형으로 분류하여 고장모드별로 고장율을 분석한 결과 미국의 Generic Data(IEEE Std 500-1984)와 근소한 차이를 보이거나 약간 낮은 것으로 분석되었으며, 고장율이 높은 기기 유형을 단위 기기별로 세분화하여 분석한 결과 공기구동 조절벨브의 외부누설 고장율은 1.10E-06 이지만 충전유량 조절밸브의 고장율은 1.70E-05로서 약 10배 정도로 고장율이 높은 것으로 분석되었다. 기기별로 세분화한 고장을 분석 결과는 시범계통 RCM 분석시 고장모드 영향분석(FMEA. Failure Mode and Effective Analysis) 단계에서 필수기기를 선정하는 하나의 인자로 활용하였으며, 고장율의 역수로 구한 고장간 평균시간(MTBF:Mean Time Between Failure)은 정비주기 선정시 기초데이터로 활용된다.