• 한국군사과학기술학회지
• /
• 제15권2호
• /
• pp.111-120
• /
• 2012

Built-In-Test is a design feature in more and more advanced weapon system. During development test and evaluation(DT&E) it is critical that the BIT system be evaluated. The BIT system is an integral part of the weapon system and subsystem. Built-In-Test assists in conducting on system and subsystem failure detection and isolation to the Line Replaceable Unit(LRU). This capability reduces the need for highly skilled personnel and special test equipment at organizational level, and reduces maintenance down-time of system by shortening Total Corrective Maintenance Time. During DT&E of weapon system the objective of BIT system evaluation is to determine BIT capabilities achieved and to identify deficiencies in the BIT system. As a result corrective actions are implemented while the system is still in development. Through the use of the reiterative BIT evaluation the BIT system design was corrected, improved, or updated, as the BIT system matured.

• 한국산학기술학회논문지
• /
• 제16권6호
• /
• pp.3685-3691
• /
• 2015

본 연구에서는 승객들의 실족 사고를 방지하고 보행안전을 확보하기 위해 개발한 승강장 안전발판 시스템의 모듈별 부품들을 계층적으로 분류하여 고장률을 예측하였다. 예측된 고장률을 바탕으로 신뢰성 블록도와 고장수목분석을 이용하여 시스템별 평균 수명 및 고장률을 산출하였고 승강장 안전발판 시스템의 RAMS(신뢰성, 가용성, 유지보수성, 안전성) 분석을 위해 수행한 신뢰도 분석 결과를 제시하고자 한다.

• 지질공학
• /
• 제12권3호
• /
• pp.333-344
• /
• 2002

영천댐 도수로터널 내의 지하수 유출량이 단열면의 통계적인 분포 특성에 어느 정도 지배받는지를 파악하기 위하여, 지하수 유출구간에 분포하는 단열의 기하학적 매개변수의 분포특성 및 단열 프랙탈 차원과 지하수 유출량과의 상관성을 규명하려고 시도하였다. 전체 구간을 통하여 단층구조에서의 유출량은 84,465m$^3$/day 로 전체 유출량의 70%, 절리구조에서의 유출량은 36,525m$^3$/day 로 전체 유출량의 30%를 차지하고 있다. 이로써 단층이 연구지역 터널내의 지하수 유출을 지배하는 주된 지질구조임을 알 수 있다. 터널내의 유출량과 암석 구간별 단열 프랙탈 차원과의 관련성은 퇴적암 구간인 NATM 전 구간에서 프랙탈 차원이 증가함에 따라 유출량이 증가하였다. 단열특성에 따른 프랙탈 차원과 유출량의 관계는 절리 구간에서보다 단층 구간에서 더욱 정비례 관계를 보이고 있다.

• 한국정보통신학회논문지
• /
• 제10권5호
• /
• pp.962-969
• /
• 2006

현재 고밀도 반도체제작 환경에서는 반작용적인 이온 식각 과정(reactive ion etching)에서의 생산성을 극대화하기 위해서 비정상적인 공정장비를 발견하는 것이 매우 중요하다. 생산과정에서 오류발견의 중요성을 설명하기 위해 Support Vector Machine (SVM)은 실시간으로 공정오류에 대한 판단을 위해 사용되었다. 반작용적인 이온 식각도구 데이터는 59개 변수들로 구성된 반도체 공정장비로부터 얻는다. 각각의 변수들은 초당 10개의 데이터로 구성되어있다. 식각 런의 11개의 파라미터에 대한 모델을 만들기 위해 baseline런으로부터 얻은 데이터로 SVM모델을 구성하고 정상 런데이터와 비정상 런데이터로 SVM모델을 검증한다. 통계적 공정제어에서 흔히 이용되는 관리한계를 도입하여 정상데이터가 내재하고 있는 램덤변화율이 반영된 SVM 모델 기반의 관리 한계를 수립하고, 그 관리 한계를 바탕으로 오류발견을 실행한다. SVM을 이용함으로써 RIE의 오류발견은 run to run 기반에 정상 런데이터는 0% 오류율이 증명되었다.

• 한국통신학회논문지
• /
• 제27권1C호
• /
• pp.103-111
• /
• 2002

IMT-2000에서 RNC의 Main Control Processor는 호 처리를 담당하는 부분으로, 고신뢰도와 실시간성이 요구되므로 결함 허용 시스템의 연구가 중요하다. 이를 위하여 본 연구에서는 태스크 기반 이중화 방안을 제안한다. 이 방안은 Active side의 태스크들이 메시지 단위로 동작하고, 동작 후 변경된 메모리 영역의 데이터를 Standby side에 전달하는 방식을 기본으로 하며, 절체 시 recovery를 위해 메시지를 logging하는 방식이다. 제안한 방식은 dual down 및 동기화 과정의 복잡성을 제거 할 뿐만 아니라, 태스크가 동기를 제어하므로 좀 더 정확한 동기화가 가능하다. 또한 효과적으로 태스크 기반 이중화를 수행하기 위한 결함 탐지 및 처리 방안을 제시한다. 이 방안은 결함 탐지 확률을 높이고 결함에 의하여 발생한 오류 데이터가 Standby side로 전송되는 것을 원천적으로 차단하는 것에 중점을 둔다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2006년도 춘계종합학술대회
• /
• pp.247-250
• /
• 2006

현재 고밀도 반도체제작 환경에서는 Reactive ion Etching (RIE) 과정에서의 생산성을 극대화하기 위해서 비이상적인 공정장비를 발견하는 것이 매우 중요하다. 생산과정에서 오류발견의 중요성을 설명하기 위해 Support Vector Machine (SVM)은 실시간으로 공정오류에 대한 판단에 대한 도움을 주기 위해 사용되었다. baseline run으로부터 얻은 데이터로 SVM 모델을 구성하고 정상인 run 데이터와 비정상 run 데이터로 SVM 모델을 검증한다. 통계적 공정제어에서 흔히 이용되는 control limits를 도입하여 정상데이터가 내재하고 있는 램덤 변화율이 반영된 SVM 모델 기반의 control limits를 수립하고, 그 control limits를 바탕으로 오류발견을 실행한다. SVM을 이용함으로써 RIE의 오류발견은 run to run 기반에 정상인 run데이터는 0% 오류율이 증명되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권2호
• /
• pp.57-64
• /
• 2014

입력 모듈의 결함경향성을 결정하는 결함 예측 모델 연구들은 대부분 훈련 데이터 집합을 사용하는 감독형 모델에 관련된 것들이었다. 하지만 과거 데이터 집합이 없거나 데이터 집합이 있더라도 현재 프로젝트와 성격이 다른 경우는 비감독형 모델이 필요하며, 이들에 관한 연구들은 모델 구축의 어려움 때문에 극소수 존재한다. 본 논문에서는 기존 비감독형 모델 연구들에서 사용하지 않은 대표적인 클러스터링 알고리즘인 EM, DBSCAN을 사용한 비감독형 모델들을 제작하여, 기존 연구들에서 사용한 K-means 모델과 성능을 비교하였다. 그 결과 오류율 면에서 EM이 K-means보다 약간 나은 성능을 보였으며, DBSCAN은 두 모델에 떨어지는 성능을 보였다.

• 한국기계가공학회지
• /
• 제18권9호
• /
• pp.29-35
• /
• 2019

The structure of the machinery industry due to the 4th industrial revolution is changing from precision and durability to intelligent and smart machinery through sensing and interconnection(IoT). There is a growing need for research on prognostics and health management(PHM) that can prevent abnormalities in processing machines and accurately predict and diagnose conditions. PHM is a technology that monitors the condition of a mechanical system, diagnoses signs of failure, and predicts the remaining life of the object. In this study, the vibration generated during machining is measured and a classification algorithm for normal and fault signals is developed. Arbitrary fault signal is collected by changing the conditions of un stable supply cutting oil and fixing jig. The signal processing is performed to apply the measured signal to the learning model. The sampling rate is changed for high speed operation and performed machine learning using raw signal without FFT. The fault classification algorithm for 1D convolution neural network composed of 2 convolution layers is developed.

• Geomechanics and Engineering
• /
• 제27권6호
• /
• pp.605-614
• /
• 2021

Water inrush from fault is one of the most severe hazards during tunnel excavation. However, the traditional evaluation methods are deficient in both quantitative evaluation and uncertainty handling. In this paper, a comprehensive methodology method combined intuitionistic fuzzy AHP with a Bayesian network for the risk assessment of water inrush from fault in the subsea tunnel was proposed. Through the intuitionistic fuzzy analytic hierarchy process to replace the traditional expert scoring method to determine the prior probability of the node in the Bayesian network. After the field data is normalized, it is classified according to the data range. Then, using obtained results into the Bayesian network, conduct a risk assessment with field data which have processed of water inrush disaster on the tunnel. Simultaneously, a sensitivity analysis technique was utilized to investigate each factor's contribution rate to determine the most critical factor affecting tunnel water inrush risk. Taking Qingdao Kiaochow Bay Tunnel as an example, by predictive analysis of fifteen fault zones, thirteen of them are consistent with the actual situation which shows that the IFAHP-Bayesian Network method is feasible and applicable. Through sensitivity analysis, it is shown that the Fissure development and Apparent resistivity are more critical comparing than other factor especially the Permeability coefficient and Fault dip. The method can provide planners and engineers with adequate decision-making support, which is vital to prevent and control tunnel water inrush.

• 한국항행학회논문지
• /
• 제28권4호
• /
• pp.559-565
• /
• 2024

자율주행 차량에 대한 연구가 활발하게 이뤄지고 있다. 자율주행 차량이 등장함에 따라 기존의 차량과 자율주행 차량이 공존하는 과도기가 올 것이며, 이러한 과도기에는 사고율이 더욱 높아질 것이라 예상된다. 현재 교통사고 발생 시 손해보험협회의 '자동차 사고 과실 비율 인정기준'에 따라서 과실 비율을 측정한다. 그러나, 발생한 사고가 어떠한 유형의 사고인지 조사하는 데 소모되는 비용이 매우 크다. 또한 이미 과실 비율 책정이 완료된 사례에 대해서도 재심의를 요구하는 과실 비율 분쟁도 늘어나는 추세이다. 이러한 시간적, 물적 비용을 줄이기 위해 자동으로 과실 비율을 판단하는 딥러닝 모델을 제안하고자 한다. 본 논문에서는 ResNet-18 이미지 분류 모델과 TSN을 통한 비디오 행동 인식을 통해 사고 영상을 바탕으로 과실 비율을 판단하고자 한다. 모델이 상용화된다면, 과실 비율을 측정하는데 소요되는 시간을 획기적으로 단축할 수 있다. 또한 피의자에게 제공할 수 있는 과실 비율에 대한 객관적인 지표가 생기므로 과실 비율 분쟁도 완화될 것으로 기대된다.