Many metric-based classification models have been proposed to predict fault-proneness of software module. This paper presents two prediction models using Bayesian classifier which is one of the most popular modern classification algorithms. Bayesian model based on Bayesian probability theory can be a promising technique for software quality prediction. This is due to the ability to represent uncertainty using probabilities and the ability to partly incorporate expert's knowledge into training data. The two models, Na$\ddot{i}$veBayes(NB) and Bayesian Belief Network(BBN), are constructed and dimensionality reduction of training data and test data are performed before model evaluation. Prediction accuracy of the model is evaluated using two prediction error measures, Type I error and Type II error, and compared with well-known prediction models, backpropagation neural network model and support vector machine model. The results show that the prediction performance of BBN model is slightly better than that of NB. For the data set with ambiguity, although the BBN model's prediction accuracy is not as good as the compared models, it achieves better performance than the compared models for the data set without ambiguity.
일반적으로 단층대는 지반의 공학적 특성이 불량하므로 터널 시공시 굴착으로 인한 지반변위가 과다하게 발생하여 인접구조물에 악영향을 줄 수 있으며, 지하수 유입으로 인한 지반강도의 급격한 저하로 터널의 안정성 확보가 어렵다. 따라서, 인접구조물의 영향을 최소화하고 터널의 안정성을 확보하기 위하여 지반안정을 위한 차수 및 보강대책이 수립되어야 한다. 본 연구에서는 경부고속철도 노선 중 양산단층대를 통과하는 약 570m구간의 터널시공 사례를 분석하여 보강대책의 적정성에 대하여 분석하였다. 침하량 검토결과, Loganathan 등(1998, 2000) 식을 활용하여 산정한 침하량은 수치해석 결과와 유사하게 나타나 예측식의 적정성을 확인하였다. 단층대 구간에서 수행된 시험시공결과를 분석하여 적용공법의 적정성을 검토하였으며, 수치해석적 방법을 통하여 보강공법의 적용성을 검토하였다. 검토결과 대책공법 적용으로 터널변위가 감소하고 지보재 응력이 허용치 이내로 발생하였으므로 적용된 대책공법은 적정한 것으로 판단된다.
In this paper, we present an electrical arc detection algorithm using the mash-up analysis technique which is the core technology for the autonomous electrical safety management system(AESMS) of the multi-unit dwellings. The mash-up analysis technique analyzes the voltage, load current, zero phase current data simultaneously to judge arc faults. In order to develop the arc fault detection algorithm, the characteristics of series arc and parallel arc were analyzed. Also, we propose the mash-up analysis technique that analyzes waveforms of voltage, load current, and zero phase current at the same time. The arc fault detection algorithm was developed using the mash-up analysis technique. The developed algorithm can prevent electrical disasters in an effective way through accident prediction, and it will be used as a basic technology to introduce an autonomous electrical safety management system.
본 연구에서는 미래의 자율운항선박의 핵심기술인 상태기반 예지보전(Condition Based Maintenance, CBM) 기술에 관한 연구로써 고장진단을 위한 실 운항선박을 대상으로 상태 모니터링 시스템의 설계/탑재 및 데이터 취득/처리/분석 기술 개발을 수행하고 있다. 본 연구의 목적은 데이터 확보, 유효데이터 식별/검증을 통해 최종적인 고장진단 알고리즘 개발을 위함이며 이를 위해서는 대상 기기의 고장 메커니즘에 관한 이해가 필요하다. 따라서 선박 엔진의 FEMA 분석과 Fault Tree Analysis 과정이 수반되어야 하며 엔진의 주요 계통분류, 대상기기 식별, 고장유형, 고장원인과 현상에 대한 분석을 포함하여야 한다. 최종적으로 도출되는 CBM 시스템의 솔루션 S/W는 엔지니어링 지식기반의 실선 운항데이터에 대한 통합적인 데이터 분석을 통해 선박 엔진의 고장예측 및 진단이 가능하다. 본 연구를 통해 운항중인 실선의주 기관을 대상으로 기존 모니터링 항목 이외의 핵심 영향인자를 측정하고, 취득된 데이터에 대한 빅 데이터 분석기법을 통해 적절한 유지보수 방법과 해당 시점을 예측함으로써 향후 선박 엔진의 이상 징후에 대한 사전적 대처와 효율적인 관리가 가능하며 결과적으로 항해 중 해양사고 및 선박운항 손실을 미연에 방지할 수 있을 것으로 기대한다.
Solenoid operated valves (SOV) play important roles in industrial process to control the flow of fluids. Solenoid valves can be found in so many industries as well as the nuclear plant. The ability to be able to detect the presence of faults and predicting the remaining useful life (RUL) of the SOV is important in maintenance planning and also prevent unexpected interruptions in the flow of process fluids. This paper proposes a fault diagnosis method for the alternating current (AC) powered SOV. Previous research work have been focused on direct current (DC) powered SOV where the current waveform or vibrations are monitored. There are many features hidden in the AC waveform that require further signal analysis. The analysis of the AC powered SOV waveform was done in the time and frequency domain. A total of sixteen features were obtained and these were used to classify the different operating modes of the SOV by applying a machine learning technique for classification. Also, a deep neural network (DNN) was developed for the prediction of RUL based on the failure modes of the SOV. The results of this paper can be used to improve on the condition based monitoring of the SOV.
International Journal of Aeronautical and Space Sciences
/
제17권4호
/
pp.565-578
/
2016
A probabilistic based systems approach is addressed in this study for the reliability prediction of solid rocket motors (SRM). To achieve this goal, quantitative Failure Modes, Effects and Criticality Analysis (FMECA) approach is employed to determine the reliability of components, which are integrated into the Fault Tree Analysis (FTA) to obtain the system reliability. The quantitative FMECA is implemented by burden and capability approach when they are available. Otherwise, the semi-quantitative FMECA is taken using the failure rate handbook. Among the many failure modes in the SRM, four most important problems are chosen to illustrate the burden and capability approach, which are the rupture, fracture of the case, and leak due to the jointed bolt and O-ring seal failure. Four algorithms are employed to determine the failure probability of these problems, and compared with those by the Monte Carlo Simulation as well as the commercial code NESSUS for verification. Overall, the study offers a comprehensive treatment of the reliability practice for the SRM development, and may be useful across the wide range of propulsion systems in the aerospace community.
매우 많은 소프트웨어 결함 예측에 관한 연구들이 수행되어왔지만 대부분은 라벨 데이터를 훈련 데이터로 사용하는 감독형 모델들이었다. 언라벨 데이터만을 사용하는 비감독형 모델이나 언라벨 데이터와 매우 적은 라벨 데이터 정보를 함께 사용하는 세미감독형 모델에 관한 연구는 극소수에 불과하다. 본 논문은 Self-training 기법에 트리 알고리즘들을 사용하여 새로운 세미감독형 모델들을 제작하였다. 세미감독형 기법인 Self-training 모델에 트리 기법들을 사용하는 새로운 세미감독형 모델들을 제작하였다. 모델 평가 실험 결과 새롭게 제작한 트리 모델들이 기존 모델들보다 더 나은 성능을 보였으며, 특히 CollectiveWoods는 타 모델들에 비해 압도적으로 우월한 성능을 보였다. 또한 매우 적은 라벨 데이터 보유 상황에서도 매우 안정적인 성능을 보였다.
The diagnosis of the failure for the existing electrical facilities was based on regular preventive maintenance, but this preventive maintenance was limited in preventing a lot of cost loss and sudden system failure. To overcome these shortcomings, fault prediction and diagnostic techniques are critical to increasing system reliability by monitoring electrical installations in real time and detecting abnormal conditions in the facility early. As the performance and quality deterioration problem occurs frequently due to the increase in the number of users of the motor pump, the purpose is to build an intelligent control system that can control the motor pump to maximize the performance and to improve the quality and reliability. To this end, a vibration sensor, temperature sensor, pressure sensor, and low water level sensor are used to detect vibrations, temperatures, pressures, and low water levels that can occur in the motor pump, and to build a system that can identify and diagnose information to users in real time.
전철화 확대의 영향으로 전차선로 변의 고장발생 빈도는 지속적으로 증가하여, 고장위치를 표정하는 시스템의 중요도는 향상되고 있다. 그럼에도 전차선로의 정확한 고장위치 표정은 매우 어려운 현실이다. 본 논문에서는 기존 회로방정식으로 제안된 전차선로 임피던스 계산이론에 대해 현장실측 데이터를 활용하여 보편화 정리하고 변전소 및 운행차량의 전압, 전류 데이터를 동기화 실측하여 전차선로의 임피던스를 예측 하였다. 또한 예측된 전차선로 임피던스값의 유효성 확인을 위해 동일지점에서 열차전류에 따른 임피던스 변화 정도를 시뮬레이션으로 확인하였다. 끝으로 측정 데이터와 지락시험을 통한 데이터를 비교 분석하였다. 본 기법은 강제지락시험, 인공지락시험을 통해 임피던스를 예측하는 현행 방식 대비 열차운행 중단 없이 다수의 데이터를 확보할 수 있고 시간경과에 따른 임피던스 변화에 대해서도 신속하고 편리하게 대응할 수 있는 장점이 있는 것으로 판단된다.
최근 발전소의 첨단기술을 적용한 설비들이 대형화되고, 발전기의 정지나 사고 등으로 막대한 유지보수 비용을 필요로 하고 있다. 따라서 이러한 기계설비들의 운전 상태를 감시하고 고장을 예측할 수 있는 새로운 진단장치의 개발이 요구된다고 본다. 본 연구는 이러한 점에 착안하여 기계들의 정상/비정상 운전 상태를 정상레벨/비정상레벨/주의레벨/위험레벨/고장 즉 5단계로 세분화하고 각 단계별 판별기준을 정하여 운전 중 발생하는 기기들의 신호를 취득 및 분석하여 기기들의 정지 없이 기기의 운전 상태를 실시간 판별할 수 있는 시스템을 개발한다. 이를 위하여, 영역분할 알고리즘에 기반하여 기기의 운전 상태를 주파수특성 행렬로 표시하는 방법을 고안하였다. 각 기기들의 운전 상태를 간략히 피크코드화하고, 이 피크코드를 바코드처럼 활용할 수 있도록 발전설비 기기에 부착함으로서 기기의 운전상태 관리를 시스템화 할 수 있도록 하였다. 5단계 중 주의레벨에서 기기들의 예방정비를 수행하여 발전소의 경제적이고 안정적인 운전효율을 높이는 것이 궁극적 목표이며, 현장 적용 시의 이동성을 고려하여 노트북 컴퓨터로 신호취득에서 판별까지 가능하도록 알고리즘을 개발하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.