• 한국항공우주학회지
• /
• 제35권3호
• /
• pp.238-247
• /
• 2007

유전자 알고리즘은 자연선택과 유전법칙을 적용하여 최적해를 탐색하는 방법으로, 본 연구에서 항공기용 가스터빈 엔진의 결함 진단을 위한 학습 알고리즘으로 사용되었다. 성능 저하를 고려한 구성요소는 압축기, 가스발생기 터빈, 동력 터빈이며, 설계점에서 엔진의 단일 구성요소에 대하여 각각 성능 저하 예측을 수행한 후, 이를 바탕으로 결함 진단을 수행하였다. 학습데이터 수의 증가가 유전자 알고리즘을 이용한 성능 저하 예측 및 결함 진단에 미치는 영향을 분석하였으며, 결과적으로 결함치에 대한 RMS 오차율이 모두 3% 이내로 예측됨을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.452-455
• /
• 2022

4차 산업혁명의 확산으로 의학계에서도 딥러닝 기술을 이용한 질병의 치료결과 예측 연구가 활발하다. 이와 관련, 일부 연구에서 국소적인 환자 데이터의 활용으로 인해 도출된 연구 결과의 일반화가 어려웠으며 예측률 제고를 위해 특정 딥러닝 알고리즘을 중심으로 한 실험이 추진되어 다양한 알고리즘별 예측률의 비교·분석 결과를 제시하는 연구도 미흡하였다. 이에, 건강보험심사평가원의 대규모 진료 정보와 다종의 알고리즘을 제공하는 AutoML을 이용, 사망률이 높은 80대·90대 노령자 대상 폐암 진단 후 84개월간의 사망률을 예측하는 Decision Tree 등 5개 알고리즘별 모델을 생성하고 이를 활용, 사망률의 예측 성능을 비교하고 사망률에 영향을 미치는 요인에 대한 분석 결과를 도출하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.788-791
• /
• 2020

낙농업에서 경제적 손실을 불러일으키고 관찰 시간과 비용이 필요한 젖소의 유방염 관리는 중요하다. 그러나 지금까지의 연구는 유방염 진단에 초점을 맞추고 있고, 예측하려는 시도는 전무하다. 유방염에 걸린 개체는 며칠 동안 우유를 생산할 수 없기 때문에 낙농가에 막대한 피해를 준다. 따라서 젖소가 유방염에 걸려 증상이 나타나기 전에 미리 파악해 조처를 할 수 있도록 하는 것이 중요하다. 이에 본 연구는 유방염 예측을 위해 생체 데이터를 포함한 다중 센싱 데이터를 사용해 유방염 예측 모델을 개발하였다. 모델에 사용된 데이터는 충청남도의 농가에 설치된 로봇 착유기로 부터 수집하였으며, 일정 기간 동안의 다중 센싱 데이터를 바탕으로 다음 날의 유방염 여부를 예측한다. 많은 양의 비선형 데이터를 효과적으로 처리하기 위해 다층 퍼셉트론을 사용해 모델을 학습하였다. 그 결과, 81.6%의 예측 정확도를 보였으며 교차 검증을 통해 정확도뿐만 아니라 재현율까지 우수함을 확인할 수 있었다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2021년도 추계학술대회
• /
• pp.29-30
• /
• 2021

시스템 고장 진단은 장비의 상태를 실시간으로 파악하고, 잔여 수명을 예측할 수 있기 때문에 다양한 분야에서 그 중요성이 강조되고 있다. 장비나 센서의 고장을 진단하고 예측할 경우 유지보수를 용이하게 하여 막대한 손실을 막을 수 있고, 기대 수명 또한 연장될 수 있다. 항로표지는 육지와 멀리 떨어진 해상이라는 특수한 작업환경으로 인해 항로표지 유지보수를 위한 많은 시간과 비용이 발생하게 된다. 따라서 본 연구에서는 효율적인 항로표지 유지보수를 위해 항로표지 센서의 고장 유무를 판단할 수 있는 항로표지 센서 고장 진단 프로세스를 위한 후보 기술군에 대해 제안한다.

• 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

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2015년도 춘계 종합학술대회 논문집
• /
• pp.223-224
• /
• 2015

구제역은 소, 돼지 등 발굽이 두 개로 갈라진 가축들에게 감염을 유발하는 전염성이 매우 높은 바이러스성 질병이다. 구제역 감염 시 입 주변, 구강 내, 코, 발굽사이 등에 수포가 생기며 고열과 식욕이 저하되어 심하게 앓거나 죽게 되는데, 강한 감염 전파력을 가졌음에도 치료제가 없고, 감염확인 즉시 확산 방지를 위한 살 처분만이 이루어지고 있다. 따라서 무엇보다도 빠른 감염여부 진단이 중요하다. 현재까지 구제역을 진단하는 방법으로는 감염 된 가축의 혈액에서 구제역 항원 단백질에 대한 항체형성 여부를 확인하는 항체진단법과 수포액과 같은 체액을 채취하여 세포배양을 통한 구제역 바이러스 분리방법이 있지만 두 가지 모두 짧은 잠복기를 갖는 구제역 바이러스를 빠른 시간 내 진단하기는 어렵다. 따라서 본 연구에서는 보다 빠른 구제역 진단 키트개발을 위해 NCBI Pubmed를 이용하여 구제역바이러스가 가지는 6개의 주요 단백질을 확인하였고, NCBI BLAST를 이용하여 6개의 단백질 중 구제역 바이러스에 특이적인 항원 단백질 peptidase C28을 선정하였다. 선정된 단백질의 아미노산 서열을 이용하여 IEDB analysis resource를 통해 peptidase C28의 epitope 부위를 예측하였다. 예측 된 부위의 아미노산 서열을 NCBI BLAST에서 정상 동물과 비교하여 구제역바이러스 특이 항원 단백질 epitope peptide를 최종 선정하였다. 이를 이용한 구제역 바이러스 진단키트 제작은 보다 빠른 진단을 통해 감염 확산을 조기에 차단하고 경제적 손실과 피해를 최소화 할 수 있다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제11권1호
• /
• pp.113-120
• /
• 2007

새로운 재료의 적용 실험을 통하여, 탄소섬유 분말 혼입 모르타르 복합 구조체의 파괴예측 자가진단 적용 특성에 대해 검토하였다. 본 연구에서는 자가진단 성능을 부여하기 위해 코크스와 탄소섬유분말(미분쇄 탄소섬유)이 혼입된 전도성 모르타르의 개발 및 자가진단 재료로서의 사용이 제안되었다. 각 하중재하단계에서의 균열발생 전후의 전기저항값과 AE특성치의 변화특성 시험을 통해, 이들 각 인자의 상호 연관성을 검토하였다. 그 결과, 코크스와 탄소섬유분말(미분쇄 탄소섬유)을 사용하여 새롭게 제안된 복합재료는 모르타르 시험체의 파괴 자가진단에 사용이 가능함을 알 수 있었다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2005년도 제24회 춘계학술대회논문집
• /
• pp.248-251
• /
• 2005

본 연구에서는 가스 터빈 엔진의 결함에 의해 나타나는 엔진의 성능 저하를 진단하는 기법을 연구하였다. 대상 엔진을 모델화하기 위해 상용 프로그램 GSP를 이용하여 저하된 성능 진단을 위한 변수들을 추출하였으며 이를 바탕으로 Health Monitoring을 위한 Virtual Sensor Model을 구축하였다. 단일 결함과 복합 결함을 예측하기 위한 방법으로 Multiple Linear Regression기법과 가중치를 이용한 기법을 도입하여 엔진 구성품의 결함 위치 및 결함 정도를 예측하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (A)
• /
• pp.19-21
• /
• 2006

Single Nucleotide Polymorphism(SNP)는 인간 유전자 서열의 0.1%에 해당하는 부분으로 이는 각 개인의 체질 및 각종 유전질환과 밀접한 관련이 있다고 알려져 있다. 최근 이 SNP정보의 패턴을 이용 질병의 진단 및 치료에 연관지으려는 노력이 시도되고 있다. 그러나 아직 SNP를 이용한 효율적인 분석방법에 대한 전산학적 연구는 많지 않다. 본 논문에서는 대표적인 패턴인식기 중 하나인 Support Vector Machine(SVM)을 이용 한국인의 대표적인 유전질환으로 알려진 만성간염에 대해서 관련된 SNP에 대한 패턴 인식율 측정을 실험하였다. 실험 데이터는 간 및 소화기 질환 유전체 센터에서 얻어진 만성간염 환자와 관련 SNP정보를 사용하였으며, 실험 결과 전체 SNP 정보를 모두 가지는 환자그룹에 대한 학습인식율이 66.46%로 나타났으며, 부분그룹에서는 72.91%로 높은 인식율을 보였다. 이 결과는 SNP 정보를 이용한 만성간염의 초기진단예측에 SVM을 효율적으로 사용할 수 있음을 보인다.

• 대한안전경영과학회:학술대회논문집
• /
• 대한안전경영과학회 2000년도 추계학술발표논문집
• /
• pp.31-37
• /
• 2000

지금까지 고장예측에 관한 연구 논문들은 여러 분야에서 많이 다루어져 왔다. 그 대표적인 예측 방법 중에 하나인 FTA(Fault Tree Analysis)가 가장 많이 사용되어져 왔으며, 여러 산업분야에서 가장 활발하게 시스템 및 부품에 대한 고장 가능성 진단을 실시하여 왔다. 하지만 기존의 전통적인 FTA 방법을 사용하는데 있어서 몇 가지 문제점을 발견할 수가 있었다. 즉, 지금까지 FTA를 실시하는 과정에 있어서 시스템 및 부품에 대한 데이터의 자료가 정확하다는 전제하에 고장 값을 예측하여 왔다. 만일 시스템 및 부품에 대한 불확실한 데이터나 부정확한 자료를 동시에 가지고 있다면 지금까지 사용하여 왔던 전통적인 FTA를 사용하여 고장 값을 예측하여 정확한 값을 찾아내기란 어려운 것이라 할 수가 있다. 이와 같은 문제점을 해결하기 위해서는 본 연구에서 제시하는 Fuzzy FTA를 사용하는 것이 보다 바람직할 것이며, 이러한 방법을 사용하여 불확실하고 부정확한 데이터를 가지고 고장진단을 실시하여 고장가능성 값을 찾아내어 전체 시스템의 고장 발생 가능성을 예측하는 것이 이 논문의 목적이라 할 수가 있다.