• Tribology and Lubricants
• /
• 제36권6호
• /
• pp.297-306
• /
• 2020

This paper reviews studies on the types and functions of oil sensors used for machine condition monitoring. Machine condition monitoring is essential for maintaining the reliability of machines and can help avoid catastrophic failures while ensuring the safety and longevity of operation. Machine condition monitoring involves several components, such as compliance monitoring, structural monitoring, thermography, non-destructive testing, and noise and vibration monitoring. Real-time monitoring with oil analysis is also utilized in various industries, such as manufacturing, aerospace, and power plants. The three main methods of oil analysis are off-line, in-line, and on-line techniques. The on-line method is the most popular among these three because it reduces human error during oil sampling, prevents incipient machine failure, reduces the total maintenance cost, and does not need complicated setup or skilled analysts. This method has two advantages over the other two monitoring methods. First, fault conditions can be noticed at the early stages via detection of wear particles using wear particle sensors; therefore, it provides early warning in the failure process. Second, it is convenient and effective for diagnosing data regardless of the measurement time. Real-time condition monitoring with oil analysis uses various oil sensors to diagnose the machine and oil statuses; further, integrated oil sensors can be used to measure several properties simultaneously.

• Tribology and Lubricants
• /
• 제37권6호
• /
• pp.203-207
• /
• 2021

This study presents the development of dielectric constant sensors to measure lubricant properties. The lubricant oil sensor is used to measure oil properties and machine conditions. Various condition monitoring methods are applied to diagnose machine conditions. Machine condition monitoring using oil sensors has advantage over other machine condition monitoring methods. The fault conditions can be noticed at the early stages by the detection of wear particles using oil sensors. Therefore, it provides an early warning in the failure procedure. A variety of oil sensors are applied to check the machine condition. Among all oil sensors, only one sensor can measure the tendency of several properties such as acidity and water content. A dielectric constant sensor is also used to measure various oil properties; therefore, it is very useful. The dielectric constant is the ratio of the capacitance of a capacitor using that material as a dielectric to that of a similar capacitor using vacuum as its dielectric. The dielectric constant has an effect on water content, contaminants, base oil, additive, and so forth. In this study, the dielectric constant sensor is fabricated using MEMS process. In the fabrication process, the shape, gap of the electrode array, and thickness of the insulation material are considered to improve the sensitivity of the sensor.

• 대한산업공학회지
• /
• 제36권3호
• /
• pp.154-163
• /
• 2010

Process monitoring of output variables affecting final performance have been mainly executed in semiconductor manufacturing process. However, even earlier detection of causes of output variation cannot completely prevent yield loss because a number of wafers after detecting them must be re-processed or cast away. Semiconductor manufacturers have put more attention toward monitoring process inputs to prevent yield loss by early detecting change-point of the process. In the paper, we propose the method to efficiently monitor functional input variables in multi-phase semiconductor manufacturing process. Measured input variables in the multi-phase process tend to be of functional structured form. After data pre-processing for these functional input data, change-point analysis is practiced to the pre-processed data set. If process variation occurs, key variables affecting process variation are selected using contribution plot for monitoring efficiency. To evaluate the propriety of proposed monitoring method, we used real data set in semiconductor manufacturing process. The experiment shows that the proposed method has better performance than previous output monitoring method in terms of fault detection and process monitoring.

• 한국소음진동공학회논문집
• /
• 제24권7호
• /
• pp.555-561
• /
• 2014

Acoustic Emission technique is widely applied to develop the early fault detection system, and the problem about a signal processing method for AE signal is mainly focused on. In the signal processing method, envelope analysis is a useful method to evaluate the bearing problems and wavelet transform is a powerful method to detect faults occurred on rotating machinery. However, exact method for AE signal is not developed yet for the rotating machinery diagnosis. Therefore, in this paper two methods which are processed by Hilbert transform and DET for feature extraction. In addition, we evaluate the classification performance with varying the parameter from 2 to 15 for feature selection DET, 0.01 to 1.0 for the RBF kernel function of SVR, and the proposed algorithm achieved 94 % classification of averaged accuracy with the parameter of the RBF 0.08, 12 feature selection.

• 한국컴퓨터정보학회논문지
• /
• 제19권2호
• /
• pp.21-30
• /
• 2014

최근 산업 현장에서 유도 전동기의 사용이 증대되고 있으며, 유도 전동기는 산업 현장에서 중요한 역할을 하고 있다. 따라서 유도 전동기의 결함으로 인한 피해를 최소화하기 위해 유도 전동기의 결함 검출 및 분류 시스템의 개발이 중요한 문제로 대두되고 있다. 따라서 본 논문에서는 유도전동기의 결함을 조기에 식별하기 위해 선형예측 코딩(LPC)기법과 Expectation Maximization(EM) 알고리즘을 이용하여 각각의 유도 전동기 고장의 스펙트럼 포락처리 모델을 추정한다. 앞서 두 기법을 사용하여 추정된 고장 유형 모델과 마할라노비스 거리(MD) 기법을 사용하여 유도전동기의 결합을 분류한다. 또한 제안된 알고리즘 성능을 평가하기 위해 기존에 제안된 진동 신호의 특징을 이용한 유도 전동기 결함 분류 알고리즘과 분류 정확도 측면에서 성능을 검증하였다. 실험 결과, 제안하는 알고리즘은 잡음이 없는 환경 및 잡음이 섞인 환경에서도 높은 분류 성능을 보였다.

• 한국정보통신학회논문지
• /
• 제25권4호
• /
• pp.515-522
• /
• 2021

본 논문에서는 관형 철탑의 용접부 결함을 상시적으로 감시하기 위하여 초음파 탐상 신호에 대한 기계학습 알고리즘의 적용 방법을 제시하고 분석하였다. 기계학습 방법으로는 유전자 알고리즘에 의한 특징 선택과 서포트 벡터머신을 이용한 탐상 신호 분류 방법을 사용하였다. 특징 선택에서는 30개의 후보 특징들 가운데 피크, 히스토그램 하한 경계, 정규 음로그우도가 선택되었으며, 이들은 결함의 깊이에 따른 신호의 차이를 명확하게 나타내었다. 또한, 선택된 특징들을 서포트 벡터 머신에 적용한 결과 정상 부위와 결함 부위를 완벽하게 분류할 수 있는 것으로 나타났다. 따라서 본 연구의 결과는 향후 초음파 신호 기반 결함 성장 조기 감지시스템의 개발과 이를 통한 에너지 송전 관련 산업에 유용하게 사용될 수 있을 것으로 기대된다.

• 한국생산제조학회지
• /
• 제7권4호
• /
• pp.42-49
• /
• 1998

This wear debris can be harvested from the lubricants of operating machinery and its morphology is directly related to the damage to the interacting surface from which the particles originated. The morphological identification of wear debris can therefore provide very early detection of a fault and can also often facilitate a diagnosis. The purpose of this study is to attempt the developement of intelligent system for moving condition diagnosis of the machine driving system. The four shape parameter(50% volumetric diameter, aspect, roundness and reflectivity) of war debris are used as inputs to the neural network and learned the moving condition of five values(material3, applied load 1, sliding distance 1). It is shown that identification results depend on the ranges of these shape parameter learned. The three kinds of the wear debris had a different pattern characteristics and recognized the moving condition and materials very well by neural network.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2000년도 춘계학술대회논문집
• /
• pp.1102-1107
• /
• 2000

The signals that can be obtained from a rotating machine often convey the information of machine. For example, if the machine under investigation has faults, then we can measure the signal which has a pulse train, embedded in noise. Therefore the ability to detect the fault signal in noise determines the degree of diagnosis level of rotating machine. In this paper, minimum variance cepstrum (MV cepstrum), which can easily detect impulse in noise, has been applied to detect the type of faults of ball bearing system. To test the performance of this technique, experiment has been performed for ball bearing elements that have man made faults. Results show that minimum variance cepstrum can easily detect the periodicity due to faults.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권7호
• /
• pp.536-547
• /
• 2010

최근 소프트웨어는 고성능의 많은 기능을 제공해야 하기 때문에 그 중요성이 증가할 뿐만 아니라 복잡도 또한 증가하고 있다. 그러므로 신뢰할 만한 소프트웨어를 개발하는 것이 중요한 이슈가 되고 있다. 신뢰할 만한 소프트웨어를 개발하기 위해서는 신뢰성을 초기단계에서부터 관리해야 할 필요성이 있지만 대부분 신뢰성 추정 모델의 경우 시스템 또는 운영 테스트 단계에서 주로 사용되고 있다. 신뢰성 높은 소프트웨어를 개발하기 위해서는 초기 테스트 단계에서부터 개별 유닛의 신뢰성을 관리할 필요성이 있기에 이 단계에서의 특징을 반영해야 한다. 그러나 초기 테스트 단계에서는 개발자와 테스터가 분리되는 것이 아니라 개발자가 테스트뿐만 아니라 디버그까지 함께 수행을 하게 된다. 그렇기 때문에 테스트 시간과 디버그 시간을 모두 고려하는 신뢰성 추정 모델이 필요하다. 본 논문에서는 초기 테스트 단계에서부터 개별 유닛의 신뢰성 관리를 지원하고자 새로운 신뢰성 모델을 제안하였다. 그리고 실제 산업에서 수집된 데이터를 이용하여 제안한 모델이 실제 데이터와 얼마나 일치하는지 그리고 기존 모델과 어떤 차이를 보이는지를 확인하기 위한 실험을 수행하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권7호
• /
• pp.605-614
• /
• 2006

성공적인 소프트웨어 개발은 QCD에 의해 결정되며, 그 중 Quality는 Cost와 Delivery를 결정하는 핵심요소이기도 하다. 그리고 소프트웨어의 규모와 복잡도가 증가함에 따라 quality의 조기 확보의 중요성이 점차 커지고 있다. 이러한 관점에서 개발 후 결함을 찾아내고 수정하는 것보다 결함예방을 위해 더 많은 노력을 기울여야 할 것이다. 결함 예방을 위해서는 peer review, testing과 같은 결함 식별활동과 함께 기존에 발생된 defect 에 대한 분석을 통해 발생 가능한 결함의 주업을 차단하는 활동이 필요하며, 이를 위해 기존의 품질 데이타의 조직화 및 활용이 필요하다. 소프트웨어의 품질 예방을 위한 방법으로 system safety 확보를 위해 사용되고 있는 FMEA를 활용할 수 있다. SW-FMEA(Software Fault Mode Effect Analysis)는 예측을 통해 결함을 예방하는 방법으로, 기존에는 요구사항 분석 및 설계 시 많이 활용되어 왔다 이러한 SW-FMEA는 개발 활동을 통해 측정되는 정보를 활용하여, 분석, 설계, 나아가 peer review나 testing 둥 개발 및 관리 활동에 적용하여 결함예방 (defect prevention) 의 수단으로 활용 할 수 있다. 본 논문에서는 기존에 시스템 분석, 설계에 focusing된 SW-FMEA를 변형하여 product 결합뿐 아니라, 개발과정 중 발생할 수 있는 fault를 줄일 수 있는 결함 예방 model을 제안한다.