• 한국정밀공학회지
• /
• 제12권11호
• /
• pp.82-90
• /
• 1995

This paper pressents a condition-based maintenance (CBM) method through bibration analysis. The well known frequency analysis is employed for performing machine fault diagnosis. The statistical control chart is also applied for analyzing the trend of the bearing wear. Vibration sensors are attached to prototype machine and signals are continuously monitored. The sampled data are utilized to evaluate how well the fast fourier transform(FFT) and the statistical control chart techniques could be used to identify defects of machine and to analyze the machine degradation. Experimental results show that the propowed approach could classify every mal-function and could be utilized for real machine diagnosis system.

• 한국신뢰성학회지:신뢰성응용연구
• /
• 제18권2호
• /
• pp.114-121
• /
• 2018

Purpose: This study proposes a process for evaluating the preventive maintenance policy for a system with degradation characteristics and for calculating the appropriate preventive maintenance cycle using time- and condition-based maintenance. Methods: First, the collected data is divided into the maintenance history lifetime and degradation lifetime, and analysis datasets are extracted through preprocessing. Particle filter algorithm is used to estimate the degradation lifetime from analysis datasets and prior information is obtained using LSE. The suitability and cost of the existing preventive maintenance policy are each evaluated based on the degradation lifetime and by using a minimum repair block replacement model of time-based maintenance. Results: The process is applied to the degradation of the reverse osmosis (RO) membrane in a seawater reverse osmosis (SWRO) plant to evaluate the existing preventive maintenance policy. Conclusion: This method can be used for facilities or systems that undergo degradation, which can be evaluated in terms of cost and time. The method is expected to be used in decision-making for devising the optimal preventive maintenance policy.

• 한국해안·해양공학회논문집
• /
• 제28권4호
• /
• pp.191-201
• /
• 2016

추계학적 확률과정을 이용하여 경사제 피복재를 예방적으로 유지관리할 수 있는 조건기반모형을 개발하였다. 완전 보수보강 조건에서 가장 경제적으로 보수보강이 수행되어야 하는 최적의 시점을 결정할 수 있는 모형이다. 본 연구에서 개발된 RRP(Renewal Reward Process) 기반 경제성 모형은 이자율을 고려할 수 있을 뿐만 아니라 기존 연구에서 상수로 취급하던 비용을 시간에 따른 확률변수로 고려할 수 있다. 누적피해와 사용한계 그리고 구조물의 중요도를 모두 고려할 수 있는 함수식을 제시하여 ABM(Age-Based Maintenance)을 CBM(Condition-Based Maintenance)으로 쉽게 확장할 수 있게 하였다. 또한 함수식에 포함된 계수들을 수학적으로 산정할 수 있는 방법도 제시하였다. 두 가지 추계학적 확률과정, WP(Wiener Process)와 GP(Gamma Process)를 이용하여 경사제 사석재를 해석하였다. 사용한계, 이자율 그리고 구조물의 중요도에 따라 시간에 따른 기대총비용율을 산정하여 기대총비용율이 최소가 되는 예방적 유지관리의 최적 시점을 쉽게 추정할 수 있었다. 동일한 사용한계에서 이자율이 높을수록 최적시점은 늦어지고 그에 따라 기대총비용율도 낮아졌다. 또한 상대적으로 GP가 WP보다 더 보수적으로 최적시점을 예측하였다. 마지막으로 동일한 조건에서 구조물의 중요도가 높을수록 더 자주 예방적 보수보강을 실시하여야 한다는 것을 알았다.

• 대한안전경영과학회지
• /
• 제6권3호
• /
• pp.237-247
• /
• 2004

The condition of the manufacturing process in a factory should be diagnosed and maintained efficiently because any unexpected disorder in the process will be reason to decrease the efficiency of the overall system. However, if an expert experienced in this system leaves, there will be a problem for the efficient process diagnosis and maintenance, because disorder diagnosis within the process is normally dependent on the expert's experience. This paper suggests a process diagnosis using data mining based on the collected data from the coil-spring manufacturing process. The rules are generated for the relations between the attributes of the process and the output class of the product using a decision tree after selecting the effective attributes. Using the generated rules from decision tree, the condition of the current process is diagnosed and the possible maintenance actions are identified to correct any abnormal condition. Then, the appropriate maintenance action is recommended using the decision network.

• 전기저널
• /
• 통권282호
• /
• pp.67-71
• /
• 2000

일본, 유럽 및 미국 등의 선진국에서는 전력인프라가 거의 정비되어, 새로운 전력설비에 대한 투자보다 설비의 유지 보수$\cdot$점검비용의 비율이 더 커져가고 있다. 이러한 환경 하에 정기적인 유지보수$\cdot$점검에 요하는 비용, 사고시의 복구에 소요되는 비용 및 정전으로 인한 손실 등을 포함하여 라이프사이클 코스트의 최적화가 논의되고 있다. 유지보수$\cdot$점검에 대하여는 종래의 정기적인 유지보수(Time Based Maintenance : TBM)에서 상태대응 유지보수(Condition Based Maintenance : CBM)에로의 이행으로 비용을 삭감하려는 시도도 진전되고 있다. 이 때문에 전력설비의 상태를 파악할 수 있는 적절한 센서의 설치와 저가격의 가반형 센서의 도입도 추진되고 있다. 또한 설비의 진단장치를 차에 실은 이동진단차의 도입도 시작되고 있어, 복수의 전력소를 순회하며 효율 좋은 유지보수$\cdot$점검을 할 수 있게 되었다. EH 변전소의 무인화에 따라 정전시간 단축을 위해 사고 시에 원방복구조작이 가능한 고장점 표정장치도 도입되고 있다. 최근에는 SF${_6}$가스의 환경문제도 화제가 되어 가스를 대기 중에 방출하는 일 없이 고장구분을 표정할 수 있는 분해가스센서도 개발되었다.

• 비파괴검사학회지
• /
• 제28권6호
• /
• pp.469-476
• /
• 2008

Condition based maintenance(CBM) for the preventive diagnosis of important equipments related to safety or accident in power plant is essential by using the suitable methods based on actual power plant conditions. To improve the reliability and accuracy of the measured value at the minute leak situation, and also to monitor continuously internal leak condition of power plant valve, the development of a diagnosis and monitoring technique using multi-measuring method should be performed urgently. This study was conducted to estimate the feasibility of multi-measuring method using three different methods such as acoustic emission(AE) method, thermal image measurement and temperature difference$({\Delta}T)$ measurement that are applicable to internal leak diagnosis for the power plant valve. From the experimental results, it was suggested that the multi-measuring method could be an effective way to precisely diagnose and evaluate internal leak situation of valve.

• 한국추진공학회지
• /
• 제23권4호
• /
• pp.98-103
• /
• 2019

함정 운용 장비의 건전성 예측은 유지보수의 효율성 및 긴박한 상황에서의 운용성능 유지를 위한 필수 요소이다. 최근 함정의 양적인 증가와 작전반경 확대에 따라 운용성능 유지를 위해 통합조건평가시스템(ICAS)을 도입하여 운용중이며, 관련기술 국산화를 위해 다각도로 연구가 진행되고 있다. 본 논문에서는 함정 운용 장비인 디젤발전기의 건전성 예측방법 중 데이터기반 모델 적용에 대한 결과를 제시 하였다.

• 산업경영시스템학회지
• /
• 제46권2호
• /
• pp.133-142
• /
• 2023

The large process plant is currently implementing predictive maintenance technology to transition from the traditional Time-Based Maintenance (TBM) approach to the Condition-Based Maintenance (CBM) approach in order to improve equipment maintenance and productivity. The traditional techniques for predictive maintenance involved managing upper/lower thresholds (Set-Point) of equipment signals or identifying anomalies through control charts. Recently, with the development of techniques for big analysis, machine learning-based AAKR (Auto-Associative Kernel Regression) and deep learning-based VAE (Variation Auto-Encoder) techniques are being actively applied for predictive maintenance. However, this predictive maintenance techniques is only effective during steady-state operation of plant equipment, and it is difficult to apply them during start-up and shutdown periods when rises or falls. In addition, unlike processes such as nuclear and thermal power plants, which operate for hundreds of days after a single start-up, because the pumped power plant involves repeated start-ups and shutdowns 4-5 times a day, it is needed the prediction and alarm algorithm suitable for its characteristics. In this study, we aim to propose an approach to apply the optimal predictive alarm algorithm that is suitable for the characteristics of Pumped Storage Power Plant(PSPP) facilities to the system by analyzing the predictive maintenance techniques used in existing nuclear and coal power plants.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2006년도 추계학술대회논문집
• /
• pp.411-416
• /
• 2006

Fault detection and diagnosis is the most important technology in condition-based maintenance(CBM) system that usually begins from collecting signatures of running machines using multiple sensors for subsequent accurate analysis. With the quick development in industry, there is an increasing requirement of selecting special sensors that are cheap, robust, and easy-installation. This paper experimentally investigated performances of four types of sensors used in induction motors faults diagnosis, which are vibration, current, voltage and flux. In addition, diagnostic effects of five popular classifiers also were evaluated. First, the raw signals from the four types of sensors are collected at the same time. Then the features are calculated from collected signals. Next, these features are classified through five classifiers using artificial intelligence techniques. Finally, conclusions are given based on the experiment results.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.545-546
• /
• 2011

변전설비 고장은 대규모 정전으로 이어져 국가 산업계에 엄청난 손실을 유발할 수 있고, 컴퓨터 등 정보화 기기의 확대 보급으로 순간 정전도 허용하지 않으려는 국민들의 요구가 거세어 지고 있다. 본 논문에서는 장기사용 변전설비에 대한 고장한계점을 도출하고, CBM(Condition Based Maintenance) 관리시스템을 구축함으로써 예방진단 데이터와 고장자료를 체계화하여, 향후 설비 교체기준과 설비의 상태를 기반으로 점검을 수행하도록 토대를 마련함으로써 최소 비용으로 효과적인 고장예방과 나아가 변전설비 활용도를 높임에 그 목적이 있다.