• 기계와재료
• /
• 제18권2호통권68호
• /
• pp.112-126
• /
• 2006

• 기계저널
• /
• 제49권2호
• /
• pp.32-35
• /
• 2009

• 한국기계가공학회지
• /
• 제20권9호
• /
• pp.28-34
• /
• 2021

The Fourth Industrial Revolution has led to the development of drones for commercial and private applications. Therefore, the malfunction of drones has become a prominent problem. Failure mode and effect analysis was used in this study to analyze the primary cause of drone failure, and blade breakage was observed to have the highest frequency of failure. This was tested using a vibration sensor placed on drones along the breakage length of the blades. The data exhibited a significant increase in vibration within the drone body for blade fracture length. Principal component analysis was used to reduce the data dimension and classify the state with machine learning algorithms such as support vector machine, k-nearest neighbor, Gaussian naive Bayes, and random forest. The performance of machine learning was higher than 0.95 for the four algorithms in terms of accuracy, precision, recall, and f1-score. A follow-up study on failure prediction will be conducted based on the results of fault diagnosis.

• 한국기계가공학회지
• /
• 제20권9호
• /
• pp.35-41
• /
• 2021

A rotor is a crucial component in various mechanical assemblies. Additionally, high-speed and high-efficiency components are required in the automotive industry, manufacturing industry, and turbine systems. In particular, the failure of high-speed rotating bearings has catastrophic effects on auxiliary systems. Therefore, bearing reliability and fault diagnosis are essential for bearing maintenance. In this work, we performed failure mode and effect analysis on bearing rotors and determined that corrosion is the most critical failure type. Furthermore, we conducted experiments to extract vibration characteristic data and preprocess the vibration data through principle component analysis. Finally, we applied a machine learning algorithm called support vector machine to diagnose the failure and observed a classification performance of 98%.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
• /
• pp.205-209
• /
• 2007

생산 현장에서 기기의 운영과 관리는 제품의 품질 및 기업의 수익성과 직결된다. 그러나 정상적인 작동을 하고 있는 시스템에서 고장의 시점과 고장의 종류를 예측하기 곤란하며 따라서 잔여 가동 시간이 얼마인지도 예측하기 힘들다. 본 논문에서는 산업용 기계, 공정과 의료기기 등 신뢰성이 요구되는 Brushless DC 모터의 상태 변화의 추이를 관찰하여 진단의 특징점으로 사용한다. 본 논문에서 제안한 상태천이 모텔은 고장의 시점과 고장의 종류를 예측할 수 있으며 유지보수의사결정에 도움을 줄 수 있다.

• 한국인터넷방송통신학회논문지
• /
• 제20권1호
• /
• pp.163-169
• /
• 2020

최근 4차 산업혁명의 핵심기술인 인공지능, 빅데이터, 사물인터넷의 발전으로 산업 현장에서 가동되는 기계의 자동화 및 무인화에 대한 연구가 활발히 진행되고 있다. 이러한 공정 기계들은 부착된 다양한 센서들로부터 수집된 데이터를 기반으로 제어되고 이를 통해 공정이 관리된다. 만약 센서에 고장이 발생한다면 센서 데이터 이상으로 인해 자동화 기계들이 오작동함으로써 공정 손실 발생뿐만 아니라 인명피해로도 이어질 수 있다. 전문가가 센서의 이상 여부를 주기적으로 확인하여 관리하고 있으나 산업 현장의 여러 가지 환경요인 및 상황으로 인하여 고장점검 시기를 놓치거나 고장을 발견하지 못하여 센서 고장으로 인한 피해를 막지 못하는 경우가 발생하고 있다. 또한 고장이 발생하여도 즉각 감지하지 못함으로써 공정 손실을 더욱 악화시키고 있는 실정이다. 따라서 이러한 돌발적인 센서 고장으로 인한 피해를 막기 위해 자체적으로 임베디드 시스템에서 센서의 고장 유무를 실시간으로 파악하고 빠른 대응을 위해 고장 진단 및 유형을 판별하는 것이 필요하다. 본 논문에서는 대표적인 센서 고장 유형인 erratic fault, hard-over fault, spike fault, stuck fault를 분류하기 위해 딥 뉴럴 네트워크 기반의 고장 진단 시스템을 설계하고 라즈베리 파이를 활용하여 구현하였다. 센서 고장 진단을 위해 구글이 제안한 MobilieNetV2의 Inverted residual block 구조를 사용하여 네트워크를 구성하였다. 본 논문에서 제안하는 방식은 기존 CNN 기법을 사용한 경우보다 메모리 사용량이 줄고 성능이 향상되며, 입력 신호에 대해 구간별로 센서 고장을 분류하여 산업 현장에서 효과적으로 사용될 것으로 기대된다.

• 한국기계가공학회지
• /
• 제20권12호
• /
• pp.85-91
• /
• 2021

In our daily life, artificial intelligence performs simple and complicated tasks like us, including operating mobile phones and working at homes and workplaces. Artificial intelligence is used in industrial technology for diagnosing various types of equipment using the machine learning technology. This study presents a fault mode effect analysis (FMEA) of start motors using machine learning and big data. Through multiple data collection, we observed that the primary failure of the start motor was caused by the melting of the magnetic switch inside the start motor causing it to fail. Long-short-term memory (LSTM) was used to diagnose the condition of the magnetic locations, and synthetic data were generated using the synthetic minority oversampling technique (SMOTE). This technique has the advantage of increasing the data accuracy. LSTM can also predict a start motor failure.

• 한국축산시설환경학회지
• /
• 제16권1호
• /
• pp.13-20
• /
• 2010

본 연구사업 목적은 축분 공동 퇴비화시설에서 배출되는 퇴비화 악취물질이 퇴비화시설 기계에 부식과 마모를 일으켜서 기계 고장을 발생하는 현상을 방지하기 위해 축분퇴비화 시설 기계의 내구성을 재질과 구조 및 보수와 관리 측면에서 평가하여 축분 퇴비화 시설 기계의 내구성을 증대하고, 이에 개선 대책을 마련하는데 있었으며 주요 성과는 아래와 같다. 퇴비화시설 기계의 고장의 주요원인은 부식과 마모, 과부하 상태, 이물질 혼입 등 이었다. 퇴비화시설 기계에서 고장빈도가 높은 곳은 교반장치, 포장장치, 반송장치 등의 체인, 교반 날과 축, 모터, 스크루 베인 등에서 발생 되므로 정기점검과 보수관리가 중요하였다. 퇴비화시설 기계의 내구성 증대를 위한 고장 방지대책은 탈취장치 설치, 돌가루와 쇠붙이 등의 이물질 혼입방지, 고 수분 재료 사용방지 및 재료 과다투입 방지 등 이었다. 미 이용자원의 유효이용 및 유가성 폐기물의 퇴비화 처리를 위한 우리나라 지방자치단체의 바이오매스 타운 건설에 본 조사연구의 성과가 성공적으로 활용될 것으로 기대한다.

• 대한기계학회논문집A
• /
• 제37권6호
• /
• pp.731-738
• /
• 2013

본 논문은 6 륜 독립구동/독립조향 차량의 독립 스티어-바이-와이어 장치의 고장 안전 주행 제어방법을 제시하였다. 조향부 고장 휠의 횡방향 타이어 힘이 차량 선회 운동에 저항력으로 작용할 수 있으므로, 이를 줄이기 위하여 본 고장 안전 주행 제어 알고리즘은 조향부 고장 휠에 높은 슬립률이 발생하도록 토크 입력을 가한다. 고슬립으로 인한 조향부 고장 휠의 종방향 타이어 힘 증가를 고려하기 위하여 종방향 타이어 힘을 추정하여 고장나지 않은 휠의 구동력 최적 분배에 구속 조건에 포함시킨다. 개루프 조향 및 폐루프 조향 시뮬레이션 결과 조향부 고장이 발생한 차량의 주행시 고장을 고려하지 않은 최적 구동력 분배 제어에 비하여 본 알고리즘 적용시 차량의 주행 성능이 보정됨을 확인하였다.

• 대한기계학회논문집A
• /
• 제35권7호
• /
• pp.799-804
• /
• 2011

본 논문에서는 칩저항을 실장하는 솔더에 대한 온도사이클 시험을 수행하고, 그 결과로부터 고장 예지 실현을 위한 열하중에서의 솔더실장의 고장메커니즘을 연구하였다. 시험 중 솔더의 고장을 모니터링하기 위하여 실장된 칩저항 양단간의 저항 변화를 데이터 측정기로 실시간 관찰하였다. 관찰 데이터로부터 솔더의 크랙 진전 중과 크랙 진전 완료 시점의 고장 메커니즘을 제시하였다. 제시된 고장 메커니즘을 유한요소법으로 검증하여 솔더의 크랙이 진전 중에는 저온조건에서 크랙이 열리고 저항이 증가하며, 크랙의 진전이 완료된 후에는 고온조건에서 크랙이 열리고 저항이 증가하는 조건으로 바뀜을 보였다. 이런 결과에 기반하여 온도 사이클에서 저항측정을 통해 칩저항 실장 솔더의 고장예지가 가능함을 제시하였다.