• Journal of the KSME
• /
• v.54 no.7
• /
• pp.51-55
• /
• 2014

이 글에서는 풍력발전기 핵심부품인 유성기어박스의 구조 및 특징에 대해 알아본 후 고장 진단을 위해 어떤 기술들이 개발되었는지를 알아본다. 그리고 유성기어박스 고장 진단에 있어 예상되는 어려움과 그것을 해결하기 위한 고장 진단 기술 및 향후 연구 방향을 제시하고자 한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.95-97
• /
• 2022

다양한 소스에서 수집되고 연동되는 항로표지 상태 데이터에서의 이상탐지는 항로표지의 고장예측에 있어서 중요한 역할을 한다. 이 연구에서는 항로표지 고장예측 서비스를 위해 상태 데이터를 모델링하고 분석할 수 있는 기계학습 모델의 연구 방법을 소개한다.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.37 no.9
• /
• pp.1169-1174
• /
• 2013

Most products are indeed governed by multiple failure modes. However, there are few cases in which reliability analysis applies to only one failure mode at a time. Furthermore, reliability data do not include information about failure modes, or the reliability analysis is performed using a representative failure mode. The Weibull shape parameter for failure modes is more important than one for products in the reliability qualification test. This paper presents reliability analysis methods for a mechanical component with multiple failure modes. These methods include the competing failure modes (CFM) method and the mixed Weibull method. Pneumatic cylinder test data with three failure modes are presented to estimate the shape parameter for each separate failure mode. In addition, reliability measures (B10 life, characteristic life) of the pneumatic cylinder considering three failure modes were compared with those assuming a single failure mode.

• Journal of the KSME
• /
• v.22 no.3
• /
• pp.175-183
• /
• 1982

고장력 강재 용접시의 문제점으로 용접균열, 용접부의 취화, 라멜라테어에 관해 그 발생기구와 대책을 기술했다. 고장력강재 용접기조물의 신뢰성과 안전성을 확보하기 위해서는 설계, 시공 단계에서 이상의 문제점에 관한 종합적인 평가와 배려가 이뤄져야 한다. 고장력 강재는 그 강 도를 높이기 위해 각종 합금원소를 첨가하거나 조직 열처리를 행하고 있기 때문에 용접상에 어 려움이 따르고 있다. 따라서 보다 사용성능이 우수한 구조물을 얻기 위해서는 강도가 높으면서도 용접성이 우수한 고장력 강재의 개발이 선행되어야 한다. 우리나라에서도 현재 60Kg/mm$^{2}$급 고장력 장재가 생산되고 있거니와 앞으로 더욱 고장도의 대입열 용접용 강재의 개발에 많은 노력을 기울여야 할 것이다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.21 no.3
• /
• pp.121-126
• /
• 2020

Sound-based machine fault diagnosis is the automatic detection of abnormal sound in the acoustic emission signals of the machines. Conventional methods of using mathematical models were difficult to diagnose machine failure due to the complexity of the industry machinery system and the existence of nonlinear factors such as noises. Therefore, we want to solve the problem of machine fault diagnosis as a deep learning-based image classification problem. In the paper, we propose a CNN-based automatic machine fault diagnosis method using Spectrogram images. The proposed method uses STFT to effectively extract feature vectors from frequencies generated by machine defects, and the feature vectors detected by STFT were converted into spectrogram images and classified by CNN by machine status. The results show that the proposed method can be effectively used not only to detect defects but also to various automatic diagnosis system based on sound.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.05a
• /
• 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.

• Journal of the Institute of Convergence Signal Processing
• /
• v.20 no.2
• /
• pp.78-83
• /
• 2019

Sounds based machine fault diagnosis recovers all the studies that aim to detect automatically abnormal sound on machines using the acoustic emission by these machines. Conventional methods that use mathematical models have been found inaccurate because of the complexity of the industry machinery systems and the obvious existence of nonlinear factors such as noises. Therefore, any fault diagnosis issue can be treated as a pattern recognition problem. We propose here an automatic fault diagnosis method of hand drills using discrete wavelet transform(DWT) and pattern recognition techniques such as artificial neural networks(ANN). We first conduct a filtering analysis based on DWT. The power spectral density(PSD) is performed on the wavelet subband except for the highest and lowest low frequency subband. The PSD of the wavelet coefficients are extracted as our features for classifier based on ANN the pattern recognition part. The results show that the proposed method can be effectively used not only to detect defects but also to various automatic diagnosis system based on sound.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2013.07a
• /
• pp.153-154
• /
• 2013

토목 및 건설, 건축 등의 현장에서 많이 사용되는 가설기기들은 기계의 자체적인 기계고장 뿐만 아니라 야외 현장의 환경에 따른 기후의 변화에도 고장이 발생할 수 있다. 이러한 고장들을 사후약방문의 형식으로 고장이 발생하는 경우에만 수리 후 사용한다면 시간적/경제적으로 많은 손실이 있을 것이다. 그러나 가설기기들의 종류별 기기적 특징을 미리 시스템화하여 발생할 수 있는 고장을 사전에 방지하고 예방한다면 불필요한 손실을 미연에 막을 수 있다. 따라서 본 논문에서는 가설기기들과 관련된 각종 빅 데이터를 이용하여 피로도를 예측하여 고장이 발생하기 전에 사전에 예방할 수 있는 시스템을 제안한다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.11 no.5
• /
• pp.1601-1607
• /
• 2010

This paper presents FMEA (Failure Mode Effect Analysis) for maintenance of mail sorting machine which is for automatic sorting of mail. We suggest the update method of regular diagnosis item and period for maintenance of mail sorting machine using the risk priority number which is calculated by severity, occurrence, and detection of failure mode of mail sorting machine, and shows FMEA adoption example of letter sorting machine. This paper also describes the current maintenance system and status of mail sorting machine in the domestic postal logistics environment, and FMEA adoption step. The proposed maintenance using FMEA will be adapted for more easy and efficiency maintenance of mail sorting machine.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.34 no.9
• /
• pp.1281-1286
• /
• 2010

Power plants have many components and equipment. It is difficult for operators to know the time of failure or the equipment that fails. Plants incur heavy economic losses due to unexpected failure. The equipment in power plants is constantly monitored by various sensors and instruments. However, prevention of failure is very difficult. Therefore, engineers are developing many types of failure-alarm systems that can detect the abnormal functioning of equipment. Such failure-alarm systems inform only about the abnormal functioning of equipment and do not indicate the cause of failure or the parts that have failed. In this study, we have developed a failure-prediction system that can provide details on the cause of trouble and the maintenance method.