• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.611-620
• /
• 2021

정비 산업은 사후정비, 예방정비를 거쳐, 상태기반 정비를 중심으로 진행되고 있다. 상태기반 정비는 장비의 상태를 파악하여, 최적 시점에서의 정비를 수행한다. 최적의 정비 시점을 찾기 위해서는 장비의 상태, 즉 잔여 유효 수명을 정확하게 파악하는 것이 중요하다. 이에, 본 논문은 시뮬레이션 데이터(C-MAPSS)를 사용한 터보팬 엔진의 잔여 유효수명(RUL, Remaining Useful Life) 예측 모델을 제시한다. 모델링을 위해 C-MAPSS(Commercial Modular Aero-Propulsion System Simulation) 데이터를 전처리, 변환, 예측하는 과정을 거쳤다. RUL 임계값 설정, 이동평균필터 및 표준화를 통해 데이터 전처리를 수행하였고, 주성분 분석(Principal Component Analysis)과 k-NN(k-Nearest Neighbor)을 활용하여 잔여 유효 수명을 예측하였다. 최적의 성능을 도출하기 위해, 5겹 교차검증기법을 통해 최적의 주성분 개수 및 k-NN의 근접 데이터 개수를 결정하였다. 또한, 사전 예측의 유용성, 사후 예측의 부적합성을 고려한 스코어링 함수(Scoring Function)를 통해 예측 결과를 분석하였다. 마지막으로, 현재까지 제시되어온 뉴럴 네트워크 기반의 알고리즘과 예측 성능 비교 및 분석을 통해 k-NN 활용 모델의 유용성을 검증하였다.

• 한국신뢰성학회지:신뢰성응용연구
• /
• 제11권2호
• /
• pp.141-149
• /
• 2011

Environment Conversion Factors, which are stipulated in System Reliability Toolkit, have a lot of advantages once applied in a reliability data handbook such as NPRD-95, during the process of reliability prediction. However, the factors have a restriction in their applications because they don't deal with a few environments, e.g., Missile Launch (ML). In this study, environment factors of various components from MIL-HDBK-217F were analyzed to address this problem. Statistical computations showed that converting from Airborne Rotary Wing (ARW) to Missile Launch (ML) was the most coherent by comparing coefficient of determination. In addition, conversion factors from System Reliability Toolkit and those from the statistical calculations were evaluated in terms of their similarities.

• 한국신뢰성학회지:신뢰성응용연구
• /
• 제12권1호
• /
• pp.1-12
• /
• 2012

The quality of a part has directly effect on part reliability. In the basis of MIL-HDBK-217F model, it is the determined rule that part's quality level should follow its nominal one written in its specification. If quality information is unknown, quality level of the part should be determined as 'Lower'. However, the prediction model is said to be short in reflecting parts applying 'state-of-the-art' technology and result in over-estimated failure rate by some reliability-related authorities or research institutes. In this study, the reliability prediction results by the model of MIL-HDBK-217F and Telcordia SR-332 are compared and analyzed to verify whether the statement is reasonable or not.

• 산업경영시스템학회지
• /
• 제44권4호
• /
• pp.227-233
• /
• 2021

Predictive maintenance has been one of important applications of data science technology that creates a predictive model by collecting numerous data related to management targeted equipment. It does not predict equipment failure with just one or two signs, but quantifies and models numerous symptoms and historical data of actual failure. Statistical methods were used a lot in the past as this predictive maintenance method, but recently, many machine learning-based methods have been proposed. Such proposed machine learning-based methods are preferable in that they show more accurate prediction performance. However, with the exception of some learning models such as decision tree-based models, it is very difficult to explicitly know the structure of learning models (Black-Box Model) and to explain to what extent certain attributes (features or variables) of the learning model affected the prediction results. To overcome this problem, a recently proposed study is an explainable artificial intelligence (AI). It is a methodology that makes it easy for users to understand and trust the results of machine learning-based learning models. In this paper, we propose an explainable AI method to further enhance the explanatory power of the existing learning model by targeting the previously proposedpredictive model [5] that learned data from a core facility (Hyper Compressor) of a domestic chemical plant that produces polyethylene. The ensemble prediction model, which is a black box model, wasconverted to a white box model using the Explainable AI. The proposed methodology explains the direction of control for the major features in the failure prediction results through the Explainable AI. Through this methodology, it is possible to flexibly replace the timing of maintenance of the machine and supply and demand of parts, and to improve the efficiency of the facility operation through proper pre-control.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2008년도 춘계학술대회 논문집
• /
• pp.1359-1370
• /
• 2008

In the track geometry such as rails, sleepers, ballasts and fastener, track deterioration occurs by repetitive train weight and the high-speed railway takes a trend faster than normal. Track deterioration of over threshold value harms ride comfort and furthermore affect in trains safety seriously. An organic and systematic track maintenance system is very important because a trend of the track deterioration effects on track life-cycle and running safety. Also costs of the railway track permanent way and its maintenance are extremely large, forming a significant part of the total infrastructure expenditure. Therefor reasonable and efficient track maintenance has to be planed on a budget. It is required to carry out not only corrective maintenance but preventive maintenance for the track maintenance. In order to perform maintenance jobs in the boundary of the machines and resources given regarding the type and amount jobs, it is necessary to determine feasible or optimal scheduling considering the priority. In this study, the system organization and required functions for the development of track maintenance system supported track deterioration prediction and optimal scheduling are proposed.

• 한국구조물진단유지관리공학회 논문집
• /
• 제16권5호
• /
• pp.29-39
• /
• 2012

상관관계가 높은 복합열화의 완벽한 개별예측모델의 개발은 매우 어려운 문제로, 본 논문에서는 현수교 시스템의 미래열화와 유지 예산을 예측하기 위하여, 10년간의 유지 데이터가 주어진 매개변수(파손지표와 사용성)의 사후 확률 밀도함수를 찾기 위해 베이지언 추론을 적용하였다. 마르코프 연쇄 몬테카를로법을 이용하여 매개변수의 사후 분포를 조사하였다. 감소한 사용성의 모의위험예측은 사전분포와 연간유지 업무에서 업데이트한 데이터의 가능성에 따라 작성한 사후 분포이다. 기존의 선형 예측 모델과 비교하면, 제안된 2차 모델은 교량부품의 사용성, 위험요소, 그리고 유지 예산의 측정 데이터에 대하여 매우 개선된 수렴성과 근접성을 제공한다. 따라서 제안된 2차 추계학적 회귀 모델을 기반으로 복잡한 사회간접설비의 미래 성능과 유지관리예산을 예측하고 제어할 수 있는 기회를 제공할 것으로 기대한다.

• 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.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2014년도 춘계 학술논문 발표대회
• /
• pp.162-163
• /
• 2014

Operation and maintenance stage consists the largest portion of project life cycle cost. Appropriate management and analysis of such stages have massive effect on the total project cost. The effective prediction of optimized repair period is one of main factors in ㅌ management. However, it has been analyzed that the prediction of appropriate repair period revealed limitations in reliability. Therefore, this study suggests a methodology of repair period prediction by dividing finished projects into similar groups with same properties to be compared with the target project using quantitative variables.

• 한국구조물진단유지관리공학회 논문집
• /
• 제21권4호
• /
• pp.87-96
• /
• 2017

국가 전략적 차원에서 전체 사회기반시설물에 대해 미래에 필요한 유지보수 예산 파악하는 것은 매우 중요한 부분이다. 그러나 현재 국내에서는 전체 대규모 시설물에 적용할 수 있는 유지보수비용 예측 기법이 거의 전무한 실정이다. 본 연구에서는 현재 국내에서 가용한 자료와 적용 가능한 예측모델을 토대로 우리나라 전체 향후 SOC 시설물에 대한 향후 유지보수 투자 규모를 예측하였다. 실제 지출비용과 비교하여 가장 적합한 예측모델을 선정하고 관리주체에서 과거에 지출한 유지보수비용 자료를 이용하여 일부 모델은 개발하여 교량, 터널, 포장, 항만, 댐, 공항, 상수도, 하천, 항만 등의 사회기반시설물에 대한 최적의 미래 유지보수 비용을 산출하였다. 앞으로 10년간 총 비용예측결과, 8종의 사회기반시설물에 대하여 약 23조원이 필요한 것으로 나타났으며, 가장 비용이 크게 발생하는 시설물은 도로포장, 도로교량으로 나타났다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제20권1호
• /
• pp.48-55
• /
• 2016

구조물의 수명관리는 일반적으로 불확실성의 효율적 고려를 위해 신뢰성 이론을 적용한다. 전체 구조시스템의 신뢰성 평가는 구조요소의 신뢰성 평가와 구조시스템의 모델링을 통해 이루어진다. 구조시스템은 신뢰도에 대한 구조요소의 역할과 기여도를 고려하여 모델링 된다. 따라서, 구조시스템의 신뢰도는 구조요소의 모델링과 구조요소의 상관관계에 따라 서로 다른 결과를 제시하게 된다. 최초 구조시스템의 신뢰도 평가와 열화요소를 반영한 구조시스템의 수명 평가를 바탕으로 생애주기 비용 최소화와 관련된 목적함수를 가지는 최적화 과정을 통해 수명관리가 이루어진다. 본 논문에서는 구조시스템을 구성하는 구조요소의 상관관계와 더불어 기존의 연구에서 고려된 바 없는 유지보수 간의 상관관계에 따른 수명평가 영향분석을 수행하며, 이를 통해 향후 좀 더 효율적인 수명관리 기법 개발에 활용하고자 한다. 또한, 예방유지보수와 필수유지보수를 모두 고려하며, 유지보수간 독립 상태와 완전상관 상태에 따른 수명 예측 및 최적화 유지보수 계획 수립을 비교 제시한다.