• Bulletin of the Korean Space Science Society
• /
• 2011.04a
• /
• pp.22.4-22.4
• /
• 2011

위성항법시스템에서 위성 신호의 이상 발생 시 신속하게 위성시계의 고장 유무를 판단할 수 있도록 실시간 위성 시계 이상감지 시스템을 구축하였다. 위성 시계는 시스템 성능에 직접적인 영향을 미치는 핵심 요소로서 고장이나 이상 발생 시 측정치에 매우 큰 영향을 미칠 수 있다. 특정 위성 시계에 고장이나 이상이 발생한 경우 사용자들이 해당 위성의 측정치를 사용하지 않도록 가능한 빨리 이를 감지하고 공지할 수 있어야 한다. 현재 GPS의 경우 시스템 자체만으로는 위성 상태 정보가 적절한 시간 내에 제공되지 못하므로, 사용자가 직접 위성 신호의 사용 유무를 판단할 수 있는 위성 상태 감시 기능이 필요하다. 이 논문에서는 위성 시계 이상 발생 시 이를 실시간으로 감지할 수 있도록 한국항공우주연구에서 구축한 실시간 위성 시계 이상 감지 시스템에 대해 소개하고자 한다. 시스템 구현을 위해 적용한 방법은 크게 세 단계로 나뉠 수 있다. 첫 번째, 실시간으로 수신한 GPS 이중 주파수 측정치로부터 반송파 스무딩 필터를 적용하여 위성 시계 바이어스를 추정한다. 두 번째, 위성 위치 및 시계 정보의 실시간 적용을 위해 항법력보다 성능이 뛰어난 IGS Ultra-rapid 예측 정보를 활용한다. 마지막으로 위성시계 바이어스 추정치와 예측치를 비교하여 시계 이상 유무를 판별한다. 실제 위성 시계 이상이 발생한 위성의 측정치를 적용하여 시스템에 대한 검증시험을 수행하였고, 10 나노 초 수준의 위성 시계도약 현상이 발생한 위성의 감지를 통해 시스템의 성능을 확인하였다. 이는 항공항법분야와 같이 고성능의 위치 정보를 요구하는 응용분야에 신뢰성 있는 위성 정보 제공을 위해 활용될 수 있다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.20 no.8
• /
• pp.216-223
• /
• 2019

Fault detection during production processes is one of the required operational tasks to run production processes both safely and consistently. Unexpected operational events or undetected process faults can have a serious impact on the production systems and subsequently on the final products' quality. In addition, such situations may lead to malfunctions or breakdowns of production processes. To reliably detect such abnormalities, a new one-class classification-based detection scheme has recently been developed The proposed method consists of four steps:1) noise filtering, 2) feature selection, 3) nonlinear representation and 4) outlier detection. The performance of the proposed scheme was demonstrated using the multivariate data obtained from a simulation process. The results have shown that the proposed method produced reliable monitoring results and outperforms any existing methods with an average improvement of 25.4%. The use of proper feature selection in the proposed framework yielded better detection performance.

• Journal of Korea Port Economic Association
• /
• v.37 no.1
• /
• pp.179-196
• /
• 2021

Port congestion rate at Busan Port has increased for three years. Port congestion causes container reconditioning, which increases the dockyard labor's work intensity and ship owner's waiting time. If congestion is prolonged, it can cause a drop in port service levels. Therefore, this study proposed an anomaly detection method using ARIMA(Autoregressive Integrated Moving Average) model with the daily volume data from 2013 to 2020. Most of the research that predicts port volume is mainly focusing on long-term forecasting. Furthermore, studies suggesting methods to utilize demand forecasting in terms of port operations are hard to find. Therefore, this study proposes a way to use daily demand forecasting for port anomaly detection to solve the congestion problem at Busan port.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.301-301
• /
• 2022

본 연구는 운영 조건이 달라짐에 따라 회전수가 변하는 기기의 정상적 가동 여부와 고장 종류를 판별하기 위한 인공지능 알고리즘의 적용을 다루고 있다. 회전수가 변하는 장비로부터 계측된 상태 모니터링 센서의 신호는 비정상(non-stationary)적 특성이 있으므로, 상태 신호의 한계치가 고장 판별의 기준이 되기 어렵다는 점을 해결하고자 하였다. 정상 가동 여부는 이상 감지에 효율적인 오토인코더 및 기계학습 알고리즘을 적용하였으며, 고장 종류 판별에는 기계학습법과 합성곱 기반의 심층학습 방법을 적용하였다. 변하는 회전수와 연계된 주파수의 비정상적 시계열도 적절한 고장 특징 (Feature)로 대변될 수 있도록 시간 및 주파수 영역에서 특징 벡터를 구성할 수 있음을 예제로 설명하였다. 차원 축소 및 카이 제곱 기법을 적용하여 최적의 특징 벡터를 추출하여 기계학습의 분류 알고리즘이 비정상적 회전 신호를 가진 장비의 고장 예측에 활용될 수 있음을 보였다. 이 과정에서 k-NN(k-Nearest Neighbor), SVM(Support Vector Machine), Random Forest의 기계학습 알고리즘을 적용하였다. 또한 시계열 기반의 오토인코더 및 CNN (Convolution Neural Network) 적용하여 이상 감지와 고장진단을 수행한 결과를 비교하여 제시하였다.

• Journal of IKEEE
• /
• v.24 no.2
• /
• pp.403-408
• /
• 2020

Photovoltaic (PV) has both intermittent and uncertainty in nature, so it is difficult to accurately predict. Thus anomaly detection technology is important to diagnose real time PV generation. This paper identifies a correlation between various parameters and classifies the PV data applying k-nearest neighbor and dynamic time warpping. Results for the two classifications showed that an outlier detection by a fault of some facilities, and a temporary power loss by partial shading and overall shading occurring during the short period. Based on 100kW plant data, machine learning analysis and test results verified actual outliers and candidates of outlier.

• The Journal of Society for e-Business Studies
• /
• v.15 no.4
• /
• pp.303-317
• /
• 2010

In this paper, we propose a novel approach to fault prediction for real-time business process monitoring method using extended KNN imputation based LOF prediction. Existing rule-based approaches to process monitoring has some limitations like late alarm for fault occurrence or no indicators about real-time progress, since there exist unobserved attributes according to the monitoring phase during process executions. To improve these limitations, we propose an algorithm for LOF prediction by adopting the imputation method to assume unobserved attributes. LOF of ongoing instance is calculated by assuming next probable progresses after the monitoring phase, which is conducted during entire monitoring phases so that we can predict the abnormal termination of the ongoing instance. By visualizing the real-time progress in terms of the probability on abnormal termination, we can provide more proactive operations to opportunities or risks during the real-time monitoring.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.641-642
• /
• 2022

단일 데이터로부터의 이동 객체에 대한 행동 인식 연구는 데이터 수집 과정에서 발생하는 노이즈의 영향을 크게 받는다. 본 논문은 영상 데이터와 센서 데이터를 이용하여 다중 융합 네트워크 기반 이동 객체 행동 인식 방법을 제안한다. 영상으로부터 객체가 감지된 영역의 추출과 센서 데이터의 이상치 제거 및 결측치 보간을 통해 전처리된 데이터들을 융합하여 시퀀스를 생성한다. 생성된 시퀀스는 CNN(Convolutional Neural Networks)과 LSTM(Long Short Term Memory)기반 다중 융합 네트워크 모델을 통해 시계열에 따른 행동 특징들을 추출하고, 깊은 FC(Fully Connected) 계층을 통해 특징들을 융합하여 행동을 예측한다. 본 연구에서 제시된 방법은 사람을 포함한 동물, 로봇 등의 다양한 객체에 적용될 수 있다.

• Journal of the Korean Society for Nondestructive Testing
• /
• v.18 no.2
• /
• pp.92-102
• /
• 1998

Prediction of failure behavior in filament-wound composite motor cases is one of the important issues for their reliable application. Acoustic emission during hydroproof testing of the cases is used to solve this problem. Based on the acoustic emission behavior, failure sites can be located successfully. The identification of failure modes is also possible using the distribution of acoustic emission amplitude. Due to the limitation in the number of samples, it is not possible to predict the final burst pressure of motor cases and the effect of impact damage on the final burst pressure.

• Journal of Korean Tunnelling and Underground Space Association
• /
• v.10 no.1
• /
• pp.69-79
• /
• 2008

Prediction of ground condition ahead of tunnel face might be the most important factor to prevent collapse during tunnel excavation. In this study, a non-destructive method to evaluate the phase velocity in model rock mass using wavelet transform of surface wave was proposed aiming at ground condition assessment ahead of tunnel face. Model tests using gypsum as a rocklike material composed of two layers were performed. A Piezoelectric actuator with frequencies ranging from 150 Hz to 5 kHz was selected as a harmonic source. The acceleration history was measured with two accelerometers. Wavelet transform analysis was used to obtain the dispersion curves from the measured data. The experimental results showed that the near-field effects can be neglected if the distance between two receivers is chosen to be three times the wavelength. A simple inversion method using weighted factor based on the normal distribution was proposed. The inversion results showed that the predicted phase velocity agreed reasonably well with the measured one when the wavelength influence factor was 0.2. The depth of propagation of surface wave was from 0.42 to 0.63 times the wavelength. The range of wavelength varying with phase velocity in dispersion curve matched well with that estimated by inversion technique.

• The Journal of Bigdata
• /
• v.6 no.2
• /
• pp.99-108
• /
• 2021

Recently, unexpected and more advanced cyber medical treat attacks are on the rise. However, in responding to various patterns of cyber medical threat attack, rule-based security methodologies such as physical blocking and replacement of medical devices have the limitations such as lack of the man-power and high cost. As a way to solve the problems, the medical community is also paying attention to artificial intelligence technology that enables security threat detection and prediction by self-learning the past abnormal behaviors. In this study, there has collecting and learning the medical information data from integrated Medical-Information-Systems of the medical center and introduce the research methodology which is to develop the AI-based Net-Working Behavior Adaptive Information data. By doing this study, we will introduce all technological matters of rule-based security programs and discuss strategies to activate artificial intelligence technology in the medical information business with the various restrictions.