• 정보처리학회논문지D
• /
• 제8D권4호
• /
• pp.387-392
• /
• 2001

많은 소프트웨어 프로젝트는 시험이나 운영단계에서 고장시간이나 고장 수 데이타보다 그룹 고장 데이터(여러 고장 간격에서 또는 가변적인 시간 간격에서의 고장들)가 수집된다. 본 논문은 그룹 고장 데이터에 대해 가변적인 미래의 시간에서 누적 고장 수를 예측할 수 있는 신경망 모델을 제시한다. 2개의 변형된 캐스케이드-상관 학습 알고리즘을 제안하였다. 제안된 신경망 모델들은 다른 잘 알려진 신경망 모델과 통계적 소프트웨어 신뢰도 성장 모델과 비교되었다. 실험결과, 그룹 데이터에 대해 변형된 캐스케이드-상관 학습 알고리즘이 좋은 예측 결과를 나타내었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (3)
• /
• pp.319-321
• /
• 2002

인터넷 기반 네트워크 통신의 형태가 단순한 텍스트 위주의 데이터로부터 실시간 환경을 요구하는 멀티미디어 데이터 형태로 변하고 있으며, 실시간 분산처리 시스템에 대한 수요가 증가하고 있다. 이러한 실시간 시스템은 분산 실시간 처리 시스템에 대한 전반적인 분야의 발전이 필요하며, 특히 그 중에서도 신뢰성이 높은 그룹 통신 시스템의 개발은 매우 중요하다. 따라서 본 논문에서는 고장탐지 기능이 있는 실시간 그룹 통신 시스템을 설계하였다. 설계된 실시간 그룹통신 시스템은 이미 TMO 모델을 통하여 메시지 신뢰성과 고장탐지에 관한 시뮬레이션을 하였고, 그 결과를 분석하여 실시간 그룹통신 시스템 설계에 반영하였다.

• 한국정보처리학회논문지
• /
• 제7권12호
• /
• pp.3821-3828
• /
• 2000

많은 소프트웨어 프로젝트는 시험이나 운영단계에서 고장 시간이나 고장 수 데이타 보다는 그룹 고장 데이타 (여러 고장 간격에서 또는 가변적인 시간 간격에서의 고장 들)가 수집된다. 본 논문은 그룹 고장 데이타에 대해 가변적인 미래의 시간에서 누적 고장 수를 예측할 수 있는 신경망 모델을 제시한다. 신경망의 입-출력으로 무엇을 선택하고 어떤 순서로 훈련을 수행하느냐에 따라 신경망의 예측력에 영향을 미친다. 따라서, 신경망의 입-출력에 대한 11개의 훈련제도가 고려되었으며, 모델의 성능을 평가하기 위해 다음 단계 평균 상대 예측 오차 (AE)와 정규화된 AE (NAE) 측도에 의해 최적의 훈련제도가 선택되고, 다른 잘 알려진 신경망 모델과 통계적 소프트웨어 신뢰성 성장 모델과 비교되었다. 실험 결과, 가변적인 미래의 시간 간격에서 누적 고장 수를 예측하기 위해서는 신경망 모델에 가변 시간간격 정보가 필요함을 보였다.

• 한국산업정보학회논문지
• /
• 제28권6호
• /
• pp.1-10
• /
• 2023

원전 계측제어계통은 정상운전 시 자가 진단기능의 유지보수를 위해 일정 주기로 건전성을 확인하고 있으며, 계획예방정비 기간 동안 기능 및 성능점검을 실시하여 필요한 경우 유지보수를 하고 있다. 하지만 원전의 정보를 계측하고 제어하는 계측제어계통에서도 선제적으로 고장을 진단하고 대처하여 사고전파를 방지할 수 있는 기술개발이 필요하다. 이에 본 논문에서는 계측제어 장비의 환경조건과 자가 진단 데이터를 활용한 신뢰도 함수 추정 방안을 연구하였으며, 고장데이터의 획득을 위해 계측제어 장비의 부품에 대한 Feature 별 확률분포를 가정하여 가상 고장데이터를 생산하였다. 이러한 고장데이터를 바탕으로 생존분석에서 활용되는 대표적인 인공지능 모델(DeepSurve, DeepHit)을 이용하여 신뢰도 함수를 추정하였고, 그와 동시에 전통적인 준모수적 방법론인 Cox 회귀모델을 통해 신뢰도 함수를 추정하여 환경조건과 진단 데이터를 바탕으로 한 잔여 수명 계산을 통해 적용 가능성을 확인하였다.

• 한국기계가공학회지
• /
• 제18권9호
• /
• pp.29-35
• /
• 2019

The structure of the machinery industry due to the 4th industrial revolution is changing from precision and durability to intelligent and smart machinery through sensing and interconnection(IoT). There is a growing need for research on prognostics and health management(PHM) that can prevent abnormalities in processing machines and accurately predict and diagnose conditions. PHM is a technology that monitors the condition of a mechanical system, diagnoses signs of failure, and predicts the remaining life of the object. In this study, the vibration generated during machining is measured and a classification algorithm for normal and fault signals is developed. Arbitrary fault signal is collected by changing the conditions of un stable supply cutting oil and fixing jig. The signal processing is performed to apply the measured signal to the learning model. The sampling rate is changed for high speed operation and performed machine learning using raw signal without FFT. The fault classification algorithm for 1D convolution neural network composed of 2 convolution layers is developed.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (A)
• /
• pp.460-462
• /
• 2004

분산 환경에서의 효과적인 통신 방법인 멀티캐스트 프로토콜이 그동안 많이 연구되었다. 하지만 인터넷 기반 네트워크의 급속한 발달로 실시간 데이터를 요구하는 환경으로 변화함에 따라 실시간 멀티캐스트 프로토콜의 필요성이 대두되었다. 실시간 프로토콜 중 하나인 RFRM(Release-time based Fault-tolerant Real-time Multicast protocol)은 메시지의 신뢰성을 보장하고 뷰의 일관성을 유지하며 고장을 감내한다는 장점이 있지만 한 개의 그룹만을 지원한다는 단점을 가지고 있다. 따라서 본 논문에서는 실시간 멀티캐스트 프로토콜인 RFRM을 확장하여 멀티그룹을 지원하는 뷰 관리기능을 추가하였고, 그 성능을 분석하기 위하여 Erlang/OTP를 사용하여 구현된 결과를 TMO(Time-triggered Message-triggered Object) 모델을 사용한 실시간 시뮬레이션의 결과와 기존의 RFRM의 그룹 연산 성능과 비교하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.20_21
• /
• 2009

전력거래소는 국내 유일하게 한국의 전력계통을 실시간으로 감시 제어하고, 계통의 안전성을 평가 후 최적으로 운용하기 위해 2002년부터 현 EMS 시스템을 운용해 오고 있다. 초기 모든 계통해석의 근간이 되는 상태추정의 운용을 위해 계통모델과 필요 취득 데이터를 대폭 정비하였다. 현재는 154kV 무인 변전소의 탭을 추가취득 하고 모든 아날로그 취득데이터의 그룹별 가중치 조정에 의한 상태추정 등 계통해석의 정도개선 노력을 지속적으로 추진해오고 있다. 또한 상정고장 개소와 발변전소 3상 단락 고장 개소를 대폭 확대 정비하여 예상되는 모든 고장에 급전원이 신속히 대처할 수 있도록 하였다. 또한 무효전력 제어를 통한 계통손실 최소화 방안의 합리적 도출을 위한 최적화 기능의 실시간 계통운용 등 괄목한 성과를 거두었다. 본고에서는 이들 EMS 계통해석 기능을 중심으로 현재의 활용실태와 미래의 방향에 대하여 소개하고자 한다.

• 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.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 봄 학술발표논문집 Vol.29 No.1 (B)
• /
• pp.157-159
• /
• 2002

무선 네트워터의 폭발적인 증가와 함께 이동 통신 기기의 발전은 기존의 유선 일변도의 사용방식을 무선 환경으로 급속히 확장, 이전시키고 있다. 무선 환경의 발전에 따라 모바일 데이터베이스 사용의 필요성은 급격히 증대되고 있으며 이에 따른 많은 문제점도 발생하고 있다. 현재의 모바일 데이터베이스는 동기화를 위하여 하나의 동기화 서버가 다수의 모바일 데이터베이스를 관리하는 중앙 집중형 방식으로, 모바일 데이터베이스들간의 동기화와 데이터 집중에 문제가 발생한다. 또만 고장허용에 대한 해결책은 전혀고려되어 있지 않다. 이러만 문제점을 해결하기 위해서 본 논문에서는 이동 에이전트를 이용한 모바일 데이터베이스 관리 시스템을 제안한다. 이 시스템은 모바일 데이터베이스의 분류-배치를 통하여 네트워크 효율을 높이며 고장허용 관리 기능을 통한 좀더 신뢰성 있는 서비스론 제공한다.

• 한국산학기술학회논문지
• /
• 제11권4호
• /
• pp.1333-1341
• /
• 2010

본 연구는 선박내에 센서 네트워크 영역을 구축하여 선박 내 환경감시를 통해 관리 효율을 극대화하고 모니터링 체계화를 향상시키는 것이 목적이다. 선박 내 구축된 센서 네트워크의 각 센서 노드들을 세부적으로 관리하며 명확한 센서 데이터를 얻기 위해서는 각 센서 노드들의 정확한 위치가 필요하다. 본 논문에서는 선박 내 배치된 많은 센서 노드의 상태를 효율적으로 관리하기 위해 센서 노드의 그룹을 구성하는 방법에 관하여 기술하였고 기본적으로 LEACH 및 PEGASIS 라우팅 알고리즘을 이용하여 노드들 간의 상대 거리 정보를 수집하여 센서 노드의 위치 정보를 탐지하고 각 필드별로 그룹핑하여 데이터 전송 효율을 증가시키는 방법을 소개한다. 또한, 탐지된 위치 정보를 이용하여 임의의 노드에서 고장이 발생하였을 경우 최적의 라우팅 경로를 재설정하는 방법을 제시하고자 한다.