• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1994년도 추계학술대회 논문집
• /
• pp.15-19
• /
• 1994

The application of neural network for fault dection of cutting force in turning was introduced. This monitoring system consist of a RBF predicton model and a ART-1 pattern classifier. RBF prediction model predict a cutting force signal. Prediction error of predictor is used for a input vector of ART-1 pattern classifier. Prediction error could be successfully performed to fault signal monitoring of ART-1 pattern classifier.

• 전기학회논문지
• /
• 제57권9호
• /
• pp.1507-1515
• /
• 2008

It is essential for electric power companies to have a quick restoration system of the faulted pole transformers which occupy most of transformers to supply stable electricity. However, it takes too much time to restore it when a transformer is out of order suddenly because we now count on operator in investigating causes of failure and making decision of recovery methods. This paper presents the concept of 'Fault pattern analysis and Restoration prediction model using Data mining techniques’, which is based on accumulated fault record of pole transformers in the past. For this, it also suggests external and internal causes of fault which influence the fault pattern of pole transformers. It is expected that we can reduce not only defects in manufacturing procedure by upgrading quality but also the time of predicting fault patterns and recovering when faults occur by using the result.

• 컴퓨터교육학회논문지
• /
• 제8권5호
• /
• pp.129-137
• /
• 2005

설계 명세를 이용하여 결함경향성이 많은 부분을 예측하는 위험도 예측 모델은 대형 통신 시스템 같이 결과 산물이 매우 큰 시스템의 개발비용을 낮추는데 중요한 역할을 하고 있다. 복잡도 메트릭에 기반한 많은 위험도 예측 모델들이 제안되었지만 그들 대부분은 모델 훈련을 위한 훈련 데이터 집합을 필요로 하고, 설계 개체들을 위험 그룹과 비위험 그룹으로 나누는 기능만 지닌 분류 모델들이었다. 본 논문에서는 두가지 형태의 검증된 혼성 메트릭들을 사용하는 새로운 예측 모델 HMM을 제안한다. HMM의 장점은 설계 개체의 위험도를 정량화함으로써 모델 훈련을 위한 훈련 데이터 집합이 필요 없다는 것과 개체 간에 위험도 비교가 가능하다는 것이다. HMM의 유용성을 보이기 위해 여러 내부 특성들과 예측 정확도 비교를 통해 잘 알려진 예측 모델인 역전파 신경망 모델(BPM)과 HMM을 비교하였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권3호
• /
• pp.141-147
• /
• 2011

본 논문은 유도전동기의 고장검출 및 진단을 위한 효율적인 2-단계 고장예측 알고리즘을 제안한다. 첫 번째 단계에서는 고장 패턴 추출을 위해 선형 예측 부호화 (Linear Predictive Coding: LPC) 기법을 사용하고, 두 번째 단계에서는 고장 패턴 매칭을 위해 동적시간교정법 (Dynamic Time Warping: DTW)을 사용한다. 유도전동기에서 정상 및 각종 이상 상태의 조건을 발생시켜 추출한 샘플링 주파수 8kHz, 샘플링 시간 2.2초의 정상상태 및 비정상 상태의 진동데이터 8개를 사용하여 모의 실험한 결과, 제안한 고장예측 알고리즘은 기존의 고장진단 알고리즘보다 약 45%의 정확도 향상을 보였다. 또한 TI사의 TMS320F2812 DSP를 내장한 테스트베드 시스템을 제작하여 제안한 고장예측 알고리즘을 구현하고 검증하였다.

• 정보처리학회논문지D
• /
• 제10D권4호
• /
• pp.689-696
• /
• 2003

설계 개체의 결함경향성을 판별하는 위험도 예측 모델은 분석이나 설계 같은 소프트웨어 개발 초기 단계에서 시스템의 문제 부분들을 찾아 내는데 사용된다. 복잡도 메트릭에 기반한 많은 위험도 예측 모델들이 제안되었지만 그들 대부분은 모델 훈련을 위한 훈련데이터 집합을 필요로 하는 모델들이었다. 하지만 대부분의 개발집단은 훈련데이터 집합을 보유하고 있지 않기 때문에 이들 모델들은 대부분의 개발집단에서 사용될 수 없다는 커다란 문제점이 있었다. 이러한 문제점을 해결하기 위해 본 논문에서는 Kohonen SOM 신경망을 이용하여 훈련데이터 집합을 사용하지 않는 새로운 예측 모델 KSM을 제안한다. 여러 내부 특성들과 모델 사용의 용이성 그리고 모의실험을 통한 예측 정확도 비교를 통해 KSM을 잘 알려진 예측 모델인 역전파 신경망 모델(BPM)과 비교하였으며 그 결과 KSM의 성능이 BPM에 근접하다는 것을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제20권5호
• /
• pp.73-81
• /
• 2015

소프트웨어 결함 예측 연구들의 대부분은 입력 개체의 결함 유무를 예측하는 이진 분류 모델들에 관한 것들이다. 하지만 모든 결함들이 같은 심각도를 갖지는 않으므로 예측 모델이 입력 개체의 결함경향성을 몇 개의 심각도 범주로 분류할 수 있다면 훨씬 유용하게 사용될 수 있다. 본 논문에서는 전통적인 복잡도와 크기 메트릭들을 입력으로 하는 심각도 기반 결함 예측 모델을 제안하였다. 학습 알고리즘은 많이 사용되는 네 개의 기계학습 기법들을 사용하였으며, 모델 구조는 삼진 분류 모델로 하였다. 모델 성능 평가를 위해 실험 데이터는 두 개의 NASA 공개 데이터 집합을 사용하였고, 평가 측정치는 Accuracy를 이용하였다. 평가 실험 결과는 역전파 신경망 모델이 두 데이터 집합에 대해 각각 81%와 88% 정도의 Accuracy 값으로 가장 좋은 성능을 보였다.

• 한국인터넷방송통신학회논문지
• /
• 제22권4호
• /
• pp.111-117
• /
• 2022

수십년간 매우 많은 소프트웨어 결함 예측 모델에 관한 연구들이 수행되었으며, 그들 중 기계학습 기법을 사용한 모델들이 가장 좋은 성능을 보였다. 딥러닝 기법은 기계학습 분야에서 가장 각광받는 기술이 되었지만 결함 예측 모델의 분류기로 사용된 연구는 거의 없었다. 몇몇 연구들은 모델의 입력 소스나 구문 데이터로부터 시맨틱 정보를 얻어내는데 딥러닝을 사용하였다. 본 논문은 3개 이상의 은닉층을 갖는 MLP를 이용하여 모델 구조와 하이퍼 파라미터를 변경하여 여러 모델들을 제작하였다. 모델 평가 실험 결과 MLP 기반 딥러닝 모델들은 기존 결함 예측 모델들과 Accuracy는 비슷한 성능을 보였으나 AUC는 유의미하게 더 우수한 성능을 보였다. 또한 또다른 딥러닝 모델인 CNN 모델보다도 더 나은 성능을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 추계학술대회 논문집 학회본부
• /
• pp.245-249
• /
• 1997

A feasibility study on the characterization of incipient insulator failure for distribution fault prediction is presented. In this study, real distribution data was collected and analyzed to isolate incipient failure signatures or parameters which were expected to show distinct behaviors before and after failure incident. Several signal analysis methods were applied to isolate the parameters and a new strategy of analysis, the event-date concept, was also applied to find a relationship between non-harmonic and high frequency signal activities and imminent insulator failures.

• 지질공학
• /
• 제26권2호
• /
• pp.187-196
• /
• 2016

터널 굴진면에서 측정된 수평 변위를 이용하여 터널 굴진면 전방에서의 단층대 예측을 검토하기 위하여 총 28개 단층모델을 대상으로 3차원 유한요소해석을 실시하였다. 그리고 터널 굴착에 의해 발생하는 수평변위를 x-MR (moving range) 관리도 기법을 이용하여 정량적으로 분석하여 굴진면 전방에 분포하는 단층의 존재를 예측하였다. 단층대는 단층점토 및 단층각력, 단층 손상대로 구분하여 모델링하였으며, 단층핵의 폭은 1 m (단층점토 0.5 m, 단층각력 0.5 m), 단층 손상대의 폭은 2 m로 설정하였다. 분석 결과, 굴진면으로부터 약 2~26 m 전방에서 단층의 예측이 가능하였고, 5개의 측정지점에서 대부분 경사 45°인 경우 예측이 가장 빠른 것으로 나타났다. 또한 굴진방향과 단층면 사이의 각도가 작을수록 예측 가능시점이 빠른 것으로 분석되었다.

• 한국인터넷방송통신학회논문지
• /
• 제22권6호
• /
• pp.113-119
• /
• 2022

소프트웨어 결함 예측 작업 시 단순히 결함 유무만을 예측하는 이진 분류 모델에 비해 결함의 심각도 범주를 예측하는 다중 분류 모델은 훨씬 유용하게 사용될 수 있다. 소수의 심각도 기반 결함 예측 모델들이 제안되었지만 딥러닝 기법을 사용한 분류기는 없었다. 본 논문은 3개, 5개의 은닉층을 갖고 은닉층 노드수가 고정된 구조와 변화하는 구조의 MLP 모델들을 제작하였다. 모델 평가 실험 결과 기존 기계학습 모델들 중 가장 좋은 성능을 보인 MLPs보다 MLP 기반 딥러닝 모델들은 Accuracy와 AUC 모두 유의미하게 더 우수한 성능을 보였다. 특히 노드수 고정 구조에서는 은닉 층수 3, 배치사이즈 32, 노드수 64인 모델 구조가 가장 좋은 성능을 보였다.