• 디지털융복합연구
• /
• 제11권11호
• /
• pp.335-342
• /
• 2013

본 연구에서는 소프트웨어 제품 테스팅 과정에서 관측고장시간에 근거한 로그형 결함 발생률을 고려한 소프트웨어 신뢰성 비용 모형에 대하여 연구 하였다. 신뢰성 분야에서 많이 사용되는 Goel-Okumoto모형을 이용한 새로운 로그 형 결함 확률을 반영한 문제를 제시하였다. 수명분포는 유한고장 비동질적인 포아송과정을 이용하고 모수 추정법은 최우 추정법을 이용 하였다. 따라서 본 논문에서는 로그형 결함 발생률을 고려한 소프트웨어 비용모형 분석을 위하여 소프트웨어 고장 시간간격 자료를 적용하여 비교 분석하였다. 이 연구를 통하여 소프트웨어 개발자들은 방출최적시기를 파악 하는데 어느 정도 도움을 줄 수 있을 것으로 사료 된다.

• 한국정보전자통신기술학회논문지
• /
• 제9권3호
• /
• pp.306-311
• /
• 2016

소프트웨어 개발과정에서 소프트웨어 신뢰성은 매우 중요한 이슈이다. 소프트웨어 고장분석을 위한 유한고장 비동질적인 포아송과정에서 고장발생률이 상수이거나, 단조 증가 또는 단조 감소하는 패턴을 가질 수 있다. 본 연구에서는 소프트웨어 제품 테스팅 과정에서 관측고장시간에 근거한 로그 및 지수형 결함 발생률을 고려한 소프트웨어 신뢰성 모형에 대하여 연구 하였다. 신뢰성 분야에서 많이 사용되는 Goel-Okumoto모형을 이용한 새로운 로그 및 지수형 결함 확률을 반영한 문제를 제시하였다. 수명분포는 유한고장 비동질적인 포아송과정을 이용하고 모수추정법은 최우 추정법을 이용 하였다. 따라서 본 논문에서는 로그 및 지수형 결함발생률을 고려한 소프트웨어 모형분석을 위하여 소프트웨어 고장 시간간격 자료를 적용하여 비교 분석하였다. 본 연구에서 제안된 방법은 로그 및 지수형 결함발생률을 고려한모형도 신뢰성 측면에서 효율적이기 때문에 (결정계수가 80% 이상) 이 분야에서 기존 모형의 하나의 대안으로 사용할 수 있음을 확인 할 수 있었다. 이 연구를 통하여 소프트웨어 개발자들은 다양한 수명분포를 고려함으로서 소프트웨어 고장형태에 대한 사전지식을 파악하는데 도움을 줄 수 있으리라 사료 된다.

• 품질경영학회지
• /
• 제49권4호
• /
• pp.581-594
• /
• 2021

Purpose: The purpose of this study is to compare machine learning models for anomaly detection of mechanical facility equipment and suggest an anomaly detection system for mechanical facility equipment in subway stations. It helps to predict failures and plan the maintenance of facility. Ultimately it aims to improve the quality of facility equipment. Methods: The data collected from Daejeon Metropolitan Rapid Transit Corporation was used in this experiment. The experiment was performed using Python, Scikit-learn, tensorflow 2.0 for preprocessing and machine learning. Also it was conducted in two failure states of the equipment. We compared and analyzed five unsupervised machine learning models focused on model Long Short-Term Memory Variational Autoencoder(LSTM-VAE). Results: In both experiments, change in vibration and current data was observed when there is a defect. When the rotating body failure was happened, the magnitude of vibration has increased but current has decreased. In situation of axis alignment failure, both of vibration and current have increased. In addition, model LSTM-VAE showed superior accuracy than the other four base-line models. Conclusion: According to the results, model LSTM-VAE showed outstanding performance with more than 97% of accuracy in the experiments. Thus, the quality of mechanical facility equipment will be improved if the proposed anomaly detection system is established with this model used.

• Journal of Platform Technology
• /
• 제11권6호
• /
• pp.3-12
• /
• 2023

In today's system operation, it is difficult to detect failures and take immediate action in the case of a shortage of manpower compared to the number of equipment or failures in vulnerable time zones, which can lead to delays in failure recovery. In addition, various algorithms exist to detect abnormal symptom data, and it is important to select an appropriate algorithm for each problem. In this paper, an ensemble-based isolation forest model was used to efficiently detect multivariate point anomalies that deviated from the mean distribution in the data set generated to predict system failure and minimize service interruption. And since significant changes in memory space usage are observed together with changes in CPU usage, the problem is solved by using LSTM-Auto Encoder for a collective anomaly in which another feature exhibits an abnormal pattern according to a change in one by comparing two or more features. did In addition, evaluation indicators are set for the performance evaluation of the model presented in this study, and then AI model evaluation is performed.

• 한국안전학회지
• /
• 제26권6호
• /
• pp.104-110
• /
• 2011

In FMEA, the risk priority number(RPN) is used for risk evaluation on each failure mode. It is obtained by multiplying three components, i.e., severity, occurrence, and detectability of the corresponding failure mode. Each of the three components are usually determined on the basis of the past experience and technical knowledge. But this approach is not strictly objective in evaluating risk of a given failure mode and thus provide somewhat less scientific measure of risk. Assuming a homogeneous Poisson process for occurrence of the failures and causes, we propose a more scientific approach to evaluation of risk in FMEA. To quantify severity of each failure mode, the mission period is taken into consideration for the system. If the system faces no failure during its mission period, there are no losses. If any failure occurs during its mission period, the losses corresponding to the failure mode incurs. A longer remaining mission period is assumed to incur a larger loss. Detectability of each failure mode is then incorporated into the model assuming an exponential probability law for detection time of each failure cause. Based on the proposed model, an illustrative example and numerical analyses are provided.

• 산업경영시스템학회지
• /
• 제43권1호
• /
• pp.123-131
• /
• 2020

There have been a lot of studies in the past for the method of predicting the failure of a machine, and recently, a lot of researches and applications have been generated to diagnose the physical condition of the machine and the parts and to calculate the remaining life through various methods. Survival models are also used to predict plant failures based on past anomaly cycles. In particular, special machine that reflect the fluid flow and process characteristics of chemical plants are connected to hundreds or thousands of sensors, so there are not many factors that need to be considered, such as process and material data as well as application of derivative variables. In this paper, the data were preprocessed through time series anomaly detection based on unsupervised learning to predict the abnormalities of these special machine. Next, clustering results reflecting clustering-based data characteristics were applied to produce additional variables, and a learning data set was created based on the history of past facility abnormalities. Finally, the prediction methodology based on the supervised learning algorithm was applied, and the model update was confirmed to improve the accuracy of the prediction of facility failure. Through this, it is expected to improve the efficiency of facility operation by flexibly replacing the maintenance time and parts supply and demand by predicting abnormalities of machine and extracting key factors.

• 해양환경안전학회지
• /
• 제27권1호
• /
• pp.127-134
• /
• 2021

본 연구는 선박용 공기압축기의 상태기반보전 시스템에 필요한 이상치 탐지 알고리즘 적용에 대한 실험적 연구로서 고장모사 실험을 통해 시계열 전류 센서 데이터를 이용한 이상탐지 적용 가능성을 확인하였다. 고장 유형 10개에 대해 실험실 규모의 고장 모사 실험을 수행하여 정상 운전데이터와 고장 데이터를 구축하였다. 실험 결과 구축된 이상탐지 모델은 시계열 데이터의 주기에 변화를 유발하는 이상은 잘 탐지하는 반면 미세한 부하 변동에 대한 탐지 성능은 떨어졌다. 또한 오토인코더를 이용한 시계열 이상탐지 모델은 입력 시퀀스의 길이와 초모수 조정에 따라 이상 탐지 성능이 상이한 것으로 나타났다.

• Journal of Computing Science and Engineering
• /
• 제8권1호
• /
• pp.17-24
• /
• 2014

In this paper, we propose a new implementation of a failure detector. The implementation uses a dual model of heartbeat and interaction. First, the heartbeat model is adopted to shorten the detection time, if the detection process does not receive the heartbeat message in the expected time. The interaction model is then used to check the process further. The expected time is calculated using the exponential smoothing method. Exponential smoothing can be used to estimate the next arrival time not only in the random data, but also in the data of linear trends. It is proven that the new detector in the paper can eventually be a perfect detector.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2011년도 제37회 추계학술대회논문집
• /
• pp.599-602
• /
• 2011

일회성 비행체의 경우 임무 수행 시작 후에 발생하는 센서 등이 고장 나더라고 이를 극복하고 임무를 완료할 수 있게 강인하게 추진체 제어기를 설계하여야 한다. 이러한 비행체에는 중요 센서의 고장에 대비하여 대체 가능한 센서를 여분으로 장착하여 내결함성을 향상시키고 있다. 이 경우 추가 센서 장착으로 인해 비행체의 가격이 상승하게 된다. 본 논문에서는 NARX 모델을 사용하여 적용대상 추진체의 속도 센서를 대치 가능하게 하였고 각각의 센서 신호는 모델 기반의 고장 진단을 수행하여 고장 식별을 하였다. 설계된 NARX 및 고장 진단 알고리즘은 최적화하여 TI 사의 TMS320F2812 에 탑재되어 실시간으로 HIL 장비와 연동될 수 있도록 하였다. 본 논문에서는 최소한의 센서를 적용하여 일회성 비행체의 내결함성을 향상시키고 복잡한 고장 상황하에서 주어진 임무를 완료할 수 있는 추진체 제어기의 설계하여 HIL 환경에서 시험하여 적용 가능성을 확인하였다.

• 설비공학논문집
• /
• 제20권10호
• /
• pp.669-678
• /
• 2008

When operating a complex facility, Fault Detection and Diagnosis (FDD) system is beneficial in equipment management by providing the operator with tools which can help find out a failure of the system. In this research, FDD algorithm was developed using the general pattern classifier method that can be applied to centrifugal chiller system. The simulation model for a centrifugal chiller system was developed in order to obtain characteristic data of turbo chiller system under normal and faulty operation. We tested FDD algorithm of a centrifugal chiller using data from simulation model at full load performance and 60% part load performance. In this research, we presented fault detection method using a normalized distance. Sensitivity analysis of fault detection was carried out with respect to fault progress. FDD algorithm developed in this study was found to indicate each failure modes accurately.