• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 2002년도 춘계공동학술대회
• /
• pp.871-877
• /
• 2002

현재 공작기계의 상당부분에서 자동화 및 무인화가 이루어지고 있는 추세이며, 이러한 대부분의 산업시설들과 기계류에는 회전체 부품들을 가지고 있다. 이들 부품들에서 베어링(Bearing)은 절대적으로 매우 중요한 부분을 차지하고 있으며, 만일 회전축시스템(Rotor System)에 베어링의심각한 이상은 시스템이 정지되는 사태를 불러일으킬 수도 있다. 따라서 이상에 대한 조기 감지의 역할은 전체 시스템의 향상뿐만 아니라, 비용이나 시간적인 측면에서도 크나큰 이익을 가져다 줄 수 있다. 지금까지 이러한 회전축시스템에 대한 다양한 이상진단을 시도하여 왔으며 앞으로도 많은 종류의 이상진단이 이루어지리라 생각한다. 이런 다양한 형태의 이상진단은 시스템에서 추출되는 데이터를 여러 가지 기법과 추출하는 센서의 특징을 파악하여 이상진단 알고리즘을 수립하는 과정을 망라하게 된다. 특히 이상진단 알고리즘에는 측정된 데이터의 불확실성을 감안한 이론이 적용되어야 한다. 본 연구에서는 회전축시스템의 베어링에 대한 이상진단을 통계적 기법, Fuzzy Clustering, Neural network과 Neuro-fuzzy를 이용한 기법과의 상호비교를 통해서 여러 종류의 이상을 구분하는 작업수행을 연구하고자 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.309-310
• /
• 2021

본 연구는 건강 이상 감지를 위해 보폭 이상을 판단하는 신발과 어플리케이션을 연동하여 알츠하이머 등의 뇌손상으로 인한 보폭 이상을 미연에 예방하고 개선하는데 목적이 있다. 보행 이상 감지를 위해 보폭을 판단하는 건강진단신발은 측정부가 설치되며, 알츠하이머 등의 뇌손상에 의해 보폭이 줄어드는 경우 보폭이 좁아지는 것을 경고함으로써 장소와 시간에 구애받지 않고 신발착용자 스스로 보행 진단 및 교정이 이루어질 수 있다.

• 지능정보연구
• /
• 제2권1호
• /
• pp.11-26
• /
• 1996

본 논문에서는 화학공정의 이상 진단을 위한 지식 기반 조업 지원 시스템의 개발에 관하여 살펴보고자 한다. 조업지원 시스템에서 가장 핵심적인 부분은 공정에 비정상 상황이 발생한 경우 이를 감지하고, 공정에 발생한 증상들을 분석하여 이상의 근본 원인을 찾아내는 작업-이상 진단이다. 이상 진단을 효과적으로 수행하기 위해서는 적절한 데이터의 해석이 매우 중요한데, 기존의 데이터 해석법들은 정상상태에 기반한 방법들을 동적거동을 효과적으로 표현하기에는 어려움이 많다. 본 연구에서는 RBF에 기반한 신경망을 사용하여 동적을 효과적으로 표현할 수 있는 정성적인 데이터 해석 모듈을 구축하였으며, 이 모듈에서는 공정에서 측정된 정략적인 센서값들을 정성적인 정보로 가공하여 이상진단 모듈에 제공한다. 본 연구에서는 효과적인 이상진단을 위하여 기존의 인과관계 그래프 모델(Cause Effect DiGraph)에 기반한 두가지 그래프 모델을 개발하였다. RCED(Reduced Caue Effect Digraph)는 공정의 측정 변수만으로 공정의 인과관계를 표현하는 오프라인으로 구축된 지식베이스 모델이며, PGTT(Pattern Graph Through Time)는 공정에서 발생한 증상간의 인과관계를 실시간으로 나타내는 동적인 모델이다. 이상, 신경망에 기반한 정성적인 데이터 해석 모듈과 이상진단 모듈을 전문가 시스템 도구인 G2를 DEC AlphaStation 상에서 폴리프로필렌 공정에 대한 조업지원전문가 시스템을 구축하고 이를 적용하여보았다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• 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.

• 조명전기설비학회논문지
• /
• 제23권10호
• /
• pp.100-106
• /
• 2009

본 논문에서는 전기설비의 전기적 접속부 또는 전기배선 등에서 발생하는 이상발열을 감지하는 방법에 대해 알아보고, 분전함에서의 발열상태를 실시간으로 모니터링하는 전력설비 진단시스템에 사용되고 있는 광온도센서에 대하여 동작특성을 실험, 분석하였다. 광온도센서의 동작특성 실험을 위한 열원으로는 Black Body와 Hot Plate를 사용하였으며 각각에서의 열원의 온도변화에 따른 광온도센서 출력전압값을 측정, 분석하였다. 그리고 분전함내 차단기 단자에서의 체결불량으로 인한 이상발열 감지 실험을 기존의 발열 감지방법인 열전대와 적외선 열화상장치를 이용하여 실시하였고, 광온도센서를 이용해 실시하여 결과를 비교 분석하였다. 실험결과, 광온도센서의 이상발열 감지능력이 유사함을 확인할 수 있었다. 이러한 분석 결과는 향후 RFID형 광온도센서를 이용한 전력설비 진단시스템의 현장 적용에 있어 기본 자료가 될 것으로 기대된다.

• 한국진공학회:학술대회논문집
• /
• 한국진공학회 2011년도 제40회 동계학술대회 초록집
• /
• pp.31-31
• /
• 2011

식각, 증착 등의 플라즈마 활용 공정에서 공정 결과들이 예상치 못한 편차를 보이거나 시간에 따른 공정 결과의 드리프트가 발생하는 등의 문제는 공정 수율 향상 뿐 아니라 공정 결과 생산하게 되는 제품의 성능을 결정짓는다는 점에서 중요하다. 그 결과 공정의 이상이 발생 되는 것을 감지하기 위한 다양한 장치 및 알고리즘들이 등장하고 있으나, 현재 공정 상태 변화를 진단하는 것은 공정 장치에서 발생된 신호 변동을 통계적으로 처리하는 수준에 머무르거나 플라즈마 인자들의 값 자체를 진단하는 정도에 그치고 있다. 본 연구에서는, 향후 물리적 해석을 기반으로 한 공정 진단을 위한 알고리즘을 세우는 것을 목표로 하여 공정 결과에 민감하게 영향을 주는 플라즈마 내부 전자의 열평형 상태의 미세한 변동을 감지하고 이를 통하여 공정 결과에 영향을 주게 되는 장치 내 물리적, 화학적 반응들의 변동 메커니즘을 이해하고자 하였다. 외부에서 감지하기 힘들기 때문에 장치 상태에 변동이 없는 것으로 보이지만 실제로는 변동하고 있는 플라즈마의 미세한 상태 변화를 보여줄 수 있는 물리 인자로는 잦은 충돌로 인하여 빠르게 변동에 대응할 수 있는 전자들의 열평형 특성을 살펴보는 것이 적합하다고 판단하여 광신호를 통해 전자 에너지 분포함수를 진단할 수 있는 모델을 수립하였다. 이 모델의 적용 결과를 활용하면 전자들의 열평형이 주변 가스 종의 반응율 변동에 주게 되는 영향을 해석할 수 있다. 실제로 ICP-Oxide Etcher 장치에서 장치 내벽 오염물질 유입 및 공정 부산물의 장치 내 잔여로 인하여 식각율로 표현되는 공정 결과에 최대 6%의 편차가 발생하게 되는 메커니즘을 해석할 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.299-300
• /
• 2024

첨단 기술의 발전과 함께 지능형 운전자 보조 시스템의 성능 및 교통 시스템 체계가 고도화됨에 따라 전반적인 교통사고 발생 건수는 줄어드는 추세지만 대한민국의 교통사고 발생 빈도는 아직 OECD 평균 대비 높은 실정이다. 특히, 2020년 경제 협력 개발 기구(OECD) 통계에 따르면 대한민국의 인구 10만 명당 교통사고 사망자 수는 회원국 36개 중 29위로 매우 높은 축에 속한다. 따라서, 본 논문에서는 교통사고 발생률을 낮추는 데 도움을 줄 수 있는 주행 이상 패턴 감지 시스템을 제안한다. 제안한 방법에서는 실시간 영상 분석을 통해 신호등 및 차선을 인식함과 동시 차량 내부 진단 데이터에 대한 시계열 분석을 기반으로 운전자의 운전 패턴을 분석한 후 평소와 다른 이상 징후를 발견하면 운전자에게 경고 알림을 제공하여 위험한 상황을 회피할 수 있도록 지원한다.

• Korean Chemical Engineering Research
• /
• 제60권2호
• /
• pp.223-228
• /
• 2022

화학공정에서 의도되지 않게 발생하는 이상은 큰 사고를 유발할 수 있다. 이러한 문제를 해결하기 위해, 신속하게 이상의 원인을 감지하고 판별하는 이상 진단 모델이 필요하다. 하지만, 이상 진단을 연구하는 대부분 연구의 경우, 상용프로그램에서 공정 시뮬레이션을 이용하여 이상 데이터를 생성하고 이를 이용하여 연구한 방법론을 적용하고 있다. 이는 실제 공정상에서 이상을 포함하는 실제 데이터를 얻는 데 많은 제약이 있음을 의미한다. 본 연구에서는 실제 폴리스티렌 반응기에서 얻은 이상 데이터와 정상 데이터를 분석하여 적절한 이상 진단 모델을 설계하고자 하였다. 먼저, 정상 데이터를 분석하여 세 가지의 조업 모드가 존재함을 확인하였으며, 모드 판별을 위한 모델을 SVM (Support Vector Machine)을 이용하여 만들었다. 각 조업 모드 별로 PCA (Principal Component Analysis)를 이용하여 이상 진단 모델을 만들었으며, 실제 이상 데이터를 이용하여 계산한 결과 신속하게 이상을 진단할 수 있음을 확인하였다. 본 연구에서 제안한 모델을 통해, 실제 사고가 발생하는 경우 신속한 대처가 가능하며, 이는 잠재적인 손실의 감소에 기여할 수 있음을 의미한다.

• 융합정보논문지
• /
• 제9권10호
• /
• pp.101-107
• /
• 2019

본 논문은 화력 발전소 및 시멘트 산업에서 필요한 원자재의 운송 수단에 사용되는 컨베이어 시스템에서의 고장을 검출하는 방법을 제안하였다. 산업현장에서 사람이 접근하기가 힘들고 넓은 공간에 시스템이 동작 하는 점을 고려하여 소형 드론을 설계하였고 컨베이어의 이상을 감지하기 위하여 컨베이어에 내장된 모터의 이상 소음을 감지하는 방법을 임베디드 환경으로 설계하여 드론에 장착하는 구조로 제안하였다. 시스템을 임베디드 마이크로프로세서에 적용하기 위하여 제한된 메모리와 수행 시간을 고려한 하드웨어 및 알고리즘을 제안하였으며 주파수 분석을 통해 고장의 경향을 파악하여 알고리즘 화 하였다. 이때 고장 판별 방식은 측정을 통하여 피크주파수를 측정하고 고주파수의 연속성을 감지하는 방식으로 고장에 의한 소음의 높은 주파수를 분석하여 고장진단을 시행할 수 있었다. 제안된 시스템은 실제 화력 발전소에서 취득한 데이터를 바탕으로 실험 환경을 구성하였으며 드론에 설계된 시스템을 탑재하여 가상 환경 실험을 하여 제안된 시스템의 유용성을 확인하였다. 향후에는 드론의 비행 안정성 향상과 고장 주파수에 대한 좀 더 정밀한 방법을 사용하여 판별성능을 향상 시키는 연구가 요구된다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제26권4호
• /
• pp.493-500
• /
• 2002

The operational data of diesel generator engine is two kinds of data. One is interactive the other is non interactive. We can find the fault information from interactive data measured for every sampling time when the changing rate, direction and status of data are investigated in comparition with those of normal status to diagnose the fault of combustion system. The various data values of combustion system for diesel engine are not proportional to load condition. The criterion to decide the level of data value is not absolute but relative to relational data. This study proposes to compose malfunction diagnosis engine using neural networks to decide that level of data value is out of normal status with the data collected from generator engine of the ship using the commercial data mining tool. This paper investigates the real ship's operational data of diesel generator engine and confirms usefulness of fault detecting through simulations for fault detecting.