• 한국정보처리학회논문지
• /
• 제5권11호
• /
• pp.2989-2996
• /
• 1998

집적회로의 집적도가 높아지고 성능이 향상됨에 따라 회로의 지연고장에 대한 관심이 날로 높아지고 있다. 회로의 지연고장은 게이트 지연고장과 경로지연고장으로 분류할 수 있는데, 이 논문에서는 경로지연고장 시뮬레이션에 대한 두 가지 동적 메모리 사용 방법을 제안하였다. 첫 번째 방법은 고착고장에 대한 동시 고장 시뮬레이션과 유사한 방식이며, 두 번째 방법은 고장기술자의 값이 X일 때 이를 고장리스트에 삽입하지 않는 묵시적-X 방식이다. 제안된 두 방식 중 묵시적-X 방식이 동적 메모리 사용과 시뮬레이션 시간 측면에서 효율적이었다.

• 한국소음진동공학회논문집
• /
• 제19권7호
• /
• pp.726-735
• /
• 2009

이 논문에서는 신호 모델에 기반하여 유도전동기의 고장 검출 및 고장 진단을 위한 새로운 시스템을 제안한다. 산업현장에 적용하는 기존의 제품들은 신호가 문턱치를 넘어면 고장을 검출하는 단순한 알고리듬을 가지고 있어 고장의 유형이나 고장을 예측하는데 문제가 있다. 이 논문에서는 이러한 문제들을 해결하기 위한 시스템을 제안한다. 이 시스템은 고장 검출 과정과 고장 진단 과정으로 구성되며, 고장 검출 과정은 기계 신호음들이 웨이블렛 필터뱅크를 통과한 후 웨이블렛 계수들의 분산과 상관도를 분석하여 고장을 검출한다. 고장 진단 과정은 패턴분류기술을 적용하여 고장의 유형을 진단하게 된다. 대표적인 유도전동기 고장 유형들로서는 불평형, 미스얼라이먼트, 그리고 베어링 루스 등이 있으며, 이러한 유형들은 제안하는 시스템에서 분석되고 진단을 받게 된다. 제안하는 시스템에 적용한 결과 상관도를 이용한 방법은 78 %, 분산을 이용한 방법은 95 % 이상의 고장진단율을 보이는 우수한 결과를 나타내었다.

• 한국항행학회논문지
• /
• 제15권1호
• /
• pp.18-24
• /
• 2011

본 논문은 선박 감시 시스템에서 수집된 데이터를 통계적 분석을 통해 고장유무를 진단할 수 있는 통계적 방법 기반의 고장진단시스템을 제안한다. 이를 위해 선박엔진데이터를 연소계통, 열교환계통, 그리고 전동기 및 펌프계통으로 분류하고 이들 데이터 간 상관계수를 분석하여 고장진단을 위해 필요한 전문가지식기반의 진단테이블을 도출한다. 고장진단성능을 테스트하기 위해 실제 운항데이터에 고장의 원인이 될 수 있는 외란을 삽입하여 고장유무를 판단하며 이를 사용자편의의 인터페이스로 제공하기 위해 VC++로 고장진단시스템을 구현한다.

• 조명전기설비학회논문지
• /
• 제12권2호
• /
• pp.29-37
• /
• 1998

이 논문은 브리시리스 직류전동기의 구동 인버터의 실시간 데이터를 이용한 고장진단에 관한 것이다. 구동 인버터의 고장유형을 파악하여 주요 고장증세별로 분류하고, 고장결과를 예측하여 ASCL로 시뮬레이션함으로써 지식 베이스로 구성하였다. 구동 인버터에 대해 실시간으로 감시된 데이터는 전문가 시스템의 추론기관에서 시뮬레이션된 지식베이스와 비교하게 된다. 고장이 발생하면, 운전을 중지시킨 후, 전문가 추론을 함으로써 고장원인을 진단한다. 이로써 구동 인버터에 대해 전문적인 지식을 갖고 있지 않는 사용자에게, 고장원인 제거 및 수리대책에 관한 전문가의 지식을 신속히 제공하는 것이다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.315_317
• /
• 2009

전력계통은 발전, 송전, 변전, 배전계통으로 구성되지만 정전을 수반하는 대형고장은 전력계통 구성의 특성상 대부분 변전분야에서 발생하게 된다. 이러한 고장의 원인은 여러 가지로 분류할 수 있겠으나 특히 Human Error에 의한 고장 발생시 그 파급영향은 막대하다. 하지만 지금까지 변전설비의 고장 원인을 Human Error 측면에서 연구한 논문은 국내에서는 찾아보기가 힘들다. "전력계통의 고신뢰성 유지를 위한 변전분야 Human Error 예방대책"이란 논문이 2008년 한국전력 사내에서 발표된 정도이다. 본 논문에서는 해마다 끊이지 않고 반복되어지는 변전분야의 Human Error에 의한 고장에 대한 발생원인을 분석하고 현장 실행 위주의 예방대책을 제시하고자 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.219-220
• /
• 2019

교내 기자재가 고장이 나면 사용자는 수리하는 담당자에게 직접 연락을 하여 조취를 취한다. 고장수리 담당자의 처리 여부에 대한 확인은 유선으로 상호간에 확인하는 방법뿐이다. 본 연구를 통해 고장 난 기자재를 처리하고 싶은 사용자를 위해 실시간으로 처리 현황을 확인 할 수 있는 인터페이스와 기능을 지원하는 시스템을 개발하였다. 관리자는 해당 분류에 맞게 처리하는 담당자를 구별해 시스템에 글을 게시하고, 담당자는 담당 부서 게시물만 열람할 수 있도록 하여 빠른 일처리를 지원할 수있는 기능을 중점으로 개발하였다. 또한 하나의 기자재마다 책임자를 구별하고 처리 완료된 기자재의 종류의 기록과 통계를 사용자와 담당자가 보기 어려운 단위나 수치보다는 시각적인 효과를 받기 위한 그래프의 사용과 색상을 통하여 알림을 전해준다.

• 한국통신학회논문지
• /
• 제32권11B호
• /
• pp.655-662
• /
• 2007

건물의 공조설비(HVAC: Heating, Ventilation and Air Conditioning)를 최적으로 운영하기 위해 현재 사용되고 있는 감시 시스템은 운영 설비의 고장이나 성능저하와 같은 결함이 발생할 경우 적절하게 고장을 검출 할 수 있는 기능이 없으며, 이에 따라 고장의 신속한 처리 및 최적 운영이 불가능하다. 이 논문에서는 특정 건물이나 시스템에서만 적용할 수 있는 모델기반 방식의 고장 검출 방법과는 달리 공조기 시스템을 구성하는 저비용이 소요되는 센서 등의 설치를 통해 건물의 공조 시스템에 포괄적으로 적용될 수 있는 분류형 규칙 기반 방식의 고장 검출 시스템을 개발하였다. 또한, 이 알고리즘을 이용한 실험 수행을 위하여 인공기후 실험 동(environment chamber, EC) 내부에 설치된 시험주택(in-house)의 공조 설비 시스템에 적용하여 그 실효성을 검증하였고 향후, 관련 분야에 적용 가능성을 확인하였다.

• 정보처리학회논문지A
• /
• 제17A권2호
• /
• pp.81-92
• /
• 2010

진동 정보를 통해 기계 설비의 상태나 고장 유무를 판단하는 연구들이 다수 진행 중에 있는데, 대부분의 연구에서는 설비에 대한 진동을 모니터링하거나 고장 유무를 판별하여 사용자에게 알리는 수준이다. 본 논문에서는 진동에 의한 고장 진단과 판별을 보다 정교하게 수행하는 선박 엔진의 고장 감지 기법과 시스템을 제안하였다. 일차적으로 이중적 진동 정보 판별 기법을 적용하여 진동 정보를 확인한 다음에 고장 유무를 검사한다. 만일 고장이 발생한 경우에는 진동 정보의 오류 부분만을 이용하여 고장 진동 파형에 대한 오차 범위를 기준으로 어떤 유형의 고장인지를 판별할 수 있는 기법을 적용하였다. 또한 선박의 진동 경향 분석과 엔진 안전 보존을 목적으로 진동 정보를 데이터베이스에 저장하고 추적할 수 있도록 시스템을 구현하였다. 제안 시스템을 선박 엔진의 고장 판별 유무와 고장 진동 파형 감별 인자에 대해 실험을 수행한 결과 고장 유무 판별은 약 100% 정확성을 가졌고 고장 진동 파형의 유형 인식에서는 약 96% 정확성을 가졌다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.110-110
• /
• 2022

본 연구는 자율운항 선박의 원격 고장 진단 기법 개발의 일부로 수행되었다. 특히, 엔진 연료 계통 장비로부터 계측된 시계열 데이터로부터 상태 진단을 위한 알고리즘 구현 결과를 제시하였다. 엔진 연료 펌프와 청정기를 가진 육상 실험 장비로부터 진동 시계열 데이터 계측하였으며, 이상 감지, 고장 분류 및 고장 예측이 가능한 심층 학습(Deep Learning) 및 기계 학습(Machine Learning) 알고리즘을 구현하였다. 육상 실험 장비에 고장 유형 별로 인위적인 고장을 발생시켜 특징적인 진동 신호를 계측하여, 인공 지능 학습에 이용하였다. 계측된 신호 데이터는 선행 발생한 사건의 신호가 후행 사건에 영향을 미치는 특성을 가지고 있으므로, 시계열에 내포된 고장 상태는 시간 간의 선후 종속성을 반영할 수 있는 학습 알고리즘을 제시하였다. 고장 사건의 시간 종속성을 반영할 수 있도록 순환(Recurrent) 계열의 RNN(Recurrent Neural Networks), LSTM(Long Short-Term Memory models)의 모델과 합성곱 연산 (Convolution Neural Network)을 기반으로 하는 Conv1D 모델을 적용하여 예측 정확성을 비교하였다. 특히, 합성곱 계열의 RNN LSTM 모델이 고차원의 순차적 자연어 언어 처리에 장점을 보이는 모델임을 착안하여, 신호의 시간 종속성을 학습에 반영할 수 있는 합성곱 계열의 Conv1 알고리즘을 고장 예측에 사용하였다. 또한 기계 학습 모델의 효율성을 감안하여 XGBoost를 추가로 적용하여 고장 예측을 시도하였다. 최종적으로 연료 펌프와 청정기의 진동 신호로부터 Conv1D 모델과 XGBoost 모델의 고장 예측 성능 결과를 비교하였다

• 전기기술인
• /
• 제205권9호
• /
• pp.37-41
• /
• 1999

송전선에 뇌격이 발생하였어도 섬락이 일어나지 않으면 고장으로 발전하지 않는다. 뇌에 의한 섬락 방지대책은 앞에 언급한 것처럼 차폐실패 방지 대책과 철탑 역섬락 방지대책으로 분류하였다.