• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.572-573
• /
• 2021

지능형 경로 이동 기능을 갖춘 드론을 이용하여, IoT형 열화상 기반 태양광 고장 검출 장비의 개발 및 드론과의 연동을 최적화하여 취득된 이미지 데이터의 실시간 분석을 통해 태양광 발전소의 고장 판독을 용이하게 함으로써, 태양광발전소의 발전율 향상과 효율적인 유지관리 모델을 만들 수 있는 기반 기술의 제시와 이미지 차감 분석기법을 이용하여 태양광 패널의 고장을 판독할 수 있는 시스템을 설계한다.

• 전자공학회논문지CI
• /
• 제40권2호
• /
• pp.26-37
• /
• 2003

소프트웨어 배포 문제는 프로젝트관리에 매우 중요하다. 왜냐하면 다양한 운용 환경 하에서 개발비용 및 에러의 발견, 수정 등에 밀접한 관계에 있기 때문이다. 본 논문은 대형 교환시스템 소프트웨어의 Release 시점을 예측할 수 있는 최적배포 문제로서 시스템의 안정도를 평가해 볼 수 있는 측면에서 소프트웨어 최적 배포 문제를 다루었다. 또, 신뢰도 평가 기준을 제시하여 제품의 적기 공급 및 개발자원의 효율적 이용 측면을 분석하고 신뢰성 평가 척도와 개발비용 고려한 최적 배포 문제를 기술하였다. 그밖에 소프트웨어 신뢰도 성장 모델 중 지수형 모델을 근거로 한 초기 고장데이터를 활용하여 교환시스템의 소프트웨어 개발비용과 신뢰성 평가기준을 고려한 최적 배포시기를 결정하고 시험시 발생된 고장데이터에 대한 분석 및 관리기법 등을 소개한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제60차 하계학술대회논문집 27권2호
• /
• pp.11-12
• /
• 2019

본 논문에서 에스컬레이터 기계실 내부 전동기, 감속기, 구동 체인의 IoT 소음 및 진동 센서를 부착하여 에스컬레이터 운영중 실시간 상태 감시가 가능한 IoT 기반 에스컬레이터 고장 예지 시스템을 제안한다. IoT 소음 및 진동 센서는 에스컬레이터 운영 중 발생하는 소음 및 진동 데이틀 수집하여 PHM(Prognostics and Health Management) 서버로 전송하며, 서버에서는 진단 알고리즘을 통해 고장 유 무를 판단한다. 소음 데이터를 이용한 체인 피치 길이 알고리즘을 검증하기 위하여 실제 체인의 길이를 측정한 결과 값과 비교한 결과 99.8% 정확도를 가지며, 진동 데이터를 이용하여 전동기, 감속기의 상태 판단을 위한 알고리즘 검증을 위해 AST 사의 진동 센서와 비교한 결과 약간의 오차는 발생하지만 ISO 10816-3을 기준으로 한 판단 결과 값은 동일한 결과 값을 가지는 것을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제14권7호
• /
• pp.878-882
• /
• 2004

본 논문에서는 유도전동기 고장진단을 위하여 계층적인 하이브리드 뉴럴네트웍을 제안하였다. 시스템의 입출력 데이터에 근거하여 패턴을 분류할 때 단계별 변환 및 분류 기법을 이용하였다. 제안된 방법에서는 실험에 측정된 전류값을 주기별로 주성분분석(PCA) 기법을 이용하여 입력차원을 축소한 후 이를 조건부 FCM으로 방사기저함수의 초기치를 최적화하는데 사용하였다. 이는 주성분분석이 가지는 특성을 이용하여 데이터의 특징을 나누었으며 이를 뉴럴네트웍의 학습 기능을 이용하여 고장검출 모델의 최종 성능을 개선하는 것이다. 이를 실제 계측된 유도전동기 데이터를 이용하여 실험한 결과 제안된 방법의 성능이 기존의 방법들에 비하여 우수함을 알 수 있었다.

• 한국철도학회논문집
• /
• 제11권3호
• /
• pp.240-247
• /
• 2008

최근 들어 각 철도 운영기관들은 유지보수 정보 시스템을 구축하여 고장 및 유지보수 데이터를 수집하고 있다. 그 한 예로서 서울특별시도시철도공사(SMRT)에서는 전동차정보시스템(EMU-IS) 을 국내 최초로 개발하여 2000년 8월부터 본격적으로 사용을 시작하였다. 본 논문에서는 SMRT 전동차량 운영으로 EMU-IS에 모아진 운행, 정비, 고장 데이터를 분석하여 신뢰도를 평가하고 유지보수주기를 결정하는 사례를 다루었다. 그 사례로서 도어시스템의 주요 아이템에 대해 신뢰성을 시간 빛 거리 기준으로 평가하고 오버홀 주기를 결정하는 문제를 다루었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 춘계학술대회
• /
• pp.419-421
• /
• 2010

시공간 데이터의 필드 업데이트를 지원하는 모바일 클라이언트-서버 동기화 시스템은 동기화 작업 중 서버 및 클라이언트 시스템의 고장 및 네트워크의 고장으로 동기화 작업이 완료되지 못하고 중단될 수 있다. 이러한 동기화 작업의 중단은 서버 및 클라이언트 데이터베이스의 일관성 오류 및 동기화 작업의 재수행시 정상적인 동기화 작업이 진행되지 못하는 문제가 발생할 수 있다. 이 논문에서는 동기화 작업 중 발생한 고장의 종류를 분석하고, 데이터베이스의 일관성 유지 및 동기화 작업의 재수행이 가능한 회복 기법을 제안한다.

• 한국해양학회지:바다
• /
• 제11권2호
• /
• pp.92-96
• /
• 2006

비선형 주성분 분석은 기존에 널리 알려져 있는 주성분 분석기법과 유사한 다변수 데이터 분석을 위한 새로운 접근 방법이다. 비선형 주성분 분석은 AANN(Auto Associative Neural Network)으로 PCA와 마찬가지로 변수들 간에 존재하는 상관관계를 제거함으로써 고차의 다변수 데이터를 정보의 손실을 최소화하면서 최소 차원의 데이터로 변환하는 기법이다. AANN기반 센서 고장 검출 기법을 실제 방재시스템에 적용하여 봄으로써 센서 드리프트 등과 같은 센서 고장의 검출 및 유효한 센서 보정 성능을 확인하였다.

• 대한기계학회논문집B
• /
• 제35권11호
• /
• pp.1111-1117
• /
• 2011

본 연구에서는 비선형회귀모델을 이용한 히트펌프시스템에서의 고장감지 및 진단 알고리즘을 개발하였다. 히트펌프시스템에 발생할 수 있는 다양한 고장요소 중, 열교환기 고장에 대한 연구를 수행하였다. 해석 식을 바탕으로 제작한 모델을 이용하여 총 4가지 작동 모드(무고장, 증발기 고장, 응축기 고장, 응축기와 증발기 고장)에 대한 시뮬레이션을 수행하였다. 고장감지 및 진단 알고리즘을 개발하기 위해 무고장모드에서의 데이터를 바탕으로 각 열교환기의 과열도 또는 과냉도를 예측할 수 있는 비선형회귀모델을 제시하였다. 고장감지 및 진단 알고리즘은 이 비선형회귀모델을 바탕으로 예측한 열교환기에서의 과열도 또는 과냉도 값과 시뮬레이션 값을 비교하여 그 차이의 정도에 따라 각 열교환기의 고장을 감지 및 진단하도록 하였다.

• 전기전자학회논문지
• /
• 제25권3호
• /
• pp.548-555
• /
• 2021

본 논문에서는 산업 공정, 설비 및 모터 드라이브에 적용되는 고장 진단 및 고장 허용 제어 기술의 기본 개념, 접근법과 연구 동향에 대해서 개괄적으로 기술하였다. 산업 공정을 위한 고장 진단의 주요 역할은 공정의 결함 상태를 파악할 수 있는 효과적인 지표를 만든 후 고장이나 위험한 사고에 대해 적절한 조치를 취하는 것이다. 산업 공정에 패턴이 있는지 특정 프로세스 변수가 정상적으로 동작하는지 확인하기 위해 많은 고장 검출 및 진단 기법이 개발되었다. 먼저 본 논문에서는 데이터 기반 기법과 모델 기반 기법에 대하여 살펴본다. 두 번째로 산업 공정을 위한 고장 검출 및 진단 기법을 살펴본다. 세 번째로 수동형 및 능동형 고장 허용 제어 기법을 살펴본다. 마지막으로 AC 모터 드라이브에서 발생하는 주요 고장을 열거, 그 특성을 살펴보고 이를 위한 고장 진단 및 고장 허용 제어 기술을 살펴본다.

• 한국빅데이터학회지
• /
• 제7권1호
• /
• pp.125-137
• /
• 2022

운송 산업은 우리나라의 3면이 바다로 둘러싸여 있는 지리적 요건과 자원 소비량의 대부분을 수입에 의존하는 자원 빈곤 문제로 인해 중요한 산업 중 하나이다. 그 중에서도 해운업의 비중은 운송 산업의 대부분을 차지할 정도로 크며, 해운업에서의 유지보수는 선박의 운영 효율성 개선 및 비용 감소에 있어서도 중요하다. 그러나 현재 선박이 유지보수를 위해 일정기간 주기로 검사가 시행되고, 이에 따라 시간과 비용이 발생하며 원인규명도 제대로 되지 않고 있다. 따라서 본 연구에서는 제안 방법론인 LSTM-AutoEncoder를 활용해 실제 선박 운항 데이터에 대해 시점을 고려하여 선박 고장의 원인이 될 수 있는 이상 탐지를 수행한다. 또한 클러스터링을 통해 군집화를 수행하고 이상치에 대해 요인별로 그룹화를 통해 선박 메인엔진 고장의 잠재 원인을 규명한다. 이는 선박의 다양한 정보에 대해 보다 빠르게 모니터링이 가능하고, 이상 정도를 식별할 수 있다. 또한 현재 선박의 고장 감시시스템에 있어서도 구체화된 경보 점 설정과 고장 진단 체계를 갖추고, 유지보수시점을 찾는 데 도움을 줄 수 있을 것이다.