• 지능정보연구
• /
• 제4권1호
• /
• pp.115-131
• /
• 1998

Customer service process is one of the most important processes in today's competitive business environment. Among the various activities of customer service process, equipment malfunction diagnosis activity should be performed fast and accurately. When a customer calls the service center and reports the observed symptoms, he/she describes them in layman's terms. Therefore, the customer-reported symptoms have not been considered helpful information for service representatives. However, in order to perform diagnosis activity fast and accurately, we need to make use of the customer-reported symptoms actively. In this research, we developed three systems called R-EMD (Rule-based Equipment Malfunction Diagnostic system), C-EMD (Case-based Equipment Malfunction Diagnostic system) and R&C-EMD (Rule & Case-based Equipment Malfunction Diagnostic system), each of which diagnoses equipment malfunctions using the customer-reported symptoms. R&C-EMD is a hybrid system that utilizes both rule-based and case-based technologies. The diagnosis rules used in R&C-EMD and R-EMD were not acquired from service manuals or interviews with service representatives. Rater, we extracted them directly from the past diagnosis cases based on symptoms' frequencies. By this way, we were able to overcome the knowledge acquisition bottleneck. Using the real 100 malfunction diagnosis cases, we evaluated the performances of R&C-EMC, R-EMD and C-EMD in terms of speed and accuracy. In diagnosis time, R&C-EMD took longer than R-EMD and shorter than C-EMD. However, R&C-EMC was the best in accuracy.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2001년도 춘계학술대회 논문집
• /
• pp.92-97
• /
• 2001

The major faults of CNC machine tool is operational error which is charge over 70%. This paper describes model of remote service and fault diagnosis for CNC machine tool with open architecture controller. For intelligent fault diagnosis, new model is proposed. In this paper, the three major operational faults, emergency stop error, cycle start disable and machine ready disable, are defined. Two diagnostic models based on the ladder diagram, switching function model, step switching function model, are proposed. For internet based remote service, suitable environment is proposed and implemented with web server and client.

• 한국전자통신학회논문지
• /
• 제16권5호
• /
• pp.859-866
• /
• 2021

영농형 태양광 발전은 농지 상부에 태양광 발전 설비를 설치하는 방식으로 농작물과 전기를 동시에 생산함으로써 농가 소득을 증대시키는 새로운 모델이다. 최근 영농형 태양광 발전을 활용하는 다양한 시도들이 이루어지고 있다. 영농형 태양광 발전은 기존의 태양광 발전과는 달리 비교적 높은 구조물 상부에 설치하게 되므로 유지 보수가 상대적으로 어렵다는 단점이 있다. 이러한 문제를 해결하기 위해 지능적이고 효율적인 운용 및 진단 기능이 요구된다. 본 논문에서는 영농형 태양광 발전 설비의 전력 생산량을 수집, 저장하여 지능적인 예측 모델을 구현하기 위한 예측 및 진단 시스템의 설계 및 구현에 대해 논한다. 제안된 시스템은 태양광 발전량과 환경 센서 데이터를 기반으로 발전량을 예측하여 설비의 이상 유무를 판별하며 설비의 노화 정도를 산출하여 사용자에게 제공한다.

• 한국지능시스템학회논문지
• /
• 제12권2호
• /
• pp.129-134
• /
• 2002

원자력발전소는 안전성을 최우선으로 하는 매우 복잡한 대규모 시스템으로써 이를 제어하는 주제어실에는 4000여 개의 경보 및 감시장치들이 설치되어 있다. 원자력박전소는 시설의 위험성과 복잡성으로 인해 대부분의 공정관리와 진단이 운전원에 의해서 이루어지는데, 운전원은 여러 가지 센서나 계들로 부터 얻어지는 방대한 양의 데이터를 이용하여 운전 상태를 파악한다. 따라서, 발전소가 비정상 상태로 운전될 때, 운전원이 정확한 사고 원인을 분석하고 빠른 시간 안에 해결 방법을 찾는 것이 어려울 수 있다. 이러한 문제점들을 해결하기 위하여 본 논문에서는 2단 신경망을 이용하여 센서나 계측기들로부터 얻어진 데이터의 유형은 파악하여 고장 진단 시스템을 구성하였다.

• 한국지능시스템학회논문지
• /
• 제25권1호
• /
• pp.57-62
• /
• 2015

본 논문에서는 전기설비들의 신속하고 효율적인 진단을 위해 차 영상을 통한 퍼지 추론 기반 열화 진단 시스템을 설계한다. 전기 기기의 열화 진단이 시작 되면 처음 정상 상태의 온도와 비교하여 이상 영역을 검출한다. 검출된 영역은 퍼지 추론 알고리즘을 사용하여 열화를 진단한다. 퍼지 추론 알고리즘에서, 퍼지 규칙은 If-then형식으로 정의되고, look-up 테이블로 규칙을 표현한다. 온도와 온도의 변화량을 입력 변수로 사용한다. 입력변수의 퍼지수를 표현하기 위해 삼각형 멤버쉽 함수를 사용하였으며, 출력변수에는 singleton 멤버쉽 함수를 사용하였다. 최종 출력은 퍼지 추론 방법의 무게 중심법을 사용하여 계산한다. 전기 설비로부터 취득한 실험 데이터는 제안된 시스템의 성능을 평가하기 위하 사용한다.

• 한국지능시스템학회논문지
• /
• 제15권6호
• /
• pp.673-681
• /
• 2005

원자력 발전소는 안정성 및 신뢰성 확보가 가장 중요하므로 고장의 감지 및 진단 시스템의 개발은 원전 자체가 구축하고 있: 다중의 하드웨어 중첩도(hardware redundancy)에도 불구하고 가장 중요한 문제로 취급되고 있다. 본 논문에서는 원저 PWR 증기발생기에서 발생한 고장을 진단하기 위한 알고리듬의 개발을 위해 시스템에서 발생한 고장을 감지하고 분류할 수 있는 ART2 시경회로망 기반 고장진단방법을 제안한다. 고장진단시스템은 발생한 고장을 감지하기 위한 고장감지부, 변화된 시스템파라미터를 추정하기 위한 파라미터 추정부 및 발생한 고장의 종류를 알아내기 위한 고장분류부로 구성된다. 고장분류부는 여러 경계인수를 갖는 ART2(adaptive resonance theory 2) 신경회로망을 이용한 고장분류기로 구성된다. 제안한 고장진단 알고리듬을 증기발생기의 고장진단문제에 적용하여 성능을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제16권3호
• /
• pp.383-388
• /
• 2006

축산폐수는 축사가 대부분 상수원보다 상류지역에 산재하고 있어 이를 효과적으로 관리하기 어려우나, 연속 회분식 반응기(Sequencing Batch Reactor, SBR)는 장치가 간단하고 경제성이 우수하여 축산폐수처리에서 효율적으로 적용될 수 있다. 본 연구에서는 DO(Dissolved Oxygen)과 ORP(Oxidation-Reduction Potential)을 이용하여 지식기반 고장진단 시스템을 제안하였다. 실시간으로 얻어진 ORP, DO값들을 전처리하여, [ORP], [DO]외에 [ORP DO]합성data와 ORP, DO의 특징벡터의 합에서 얻어진 fusion data의 총 4개의 data set을 이용하여 각각에 대한 진단과 분류성능을 검토하였다. 이 값을 이용하여 FCM (fuzzy C-mean) 클러스터링 한 후, K-PCA과 LDA로 차원축소시켜 특징벡터를 추출하였다. 그리고 Hamming distance로 test data와 특징벡터의 거리를 계산하여 각 class를 F1에서 F8까지 분류하였다. 그 결과 데이터를 그대로 이용하는 것 보다 차분데이터형태로 이용하는 것이 우수했으며 그 중 fusion 데이터의 결과가 다른 것들보다 향상된 결과를 보였다. 그리고 K-PCA와 LDA를 결합한 결과가 다른 방법에 비해 우수한 결과를 보였으며 fusion method를 이용한 최고인식율은 98.02%를 나타내었다.

• 한국지능시스템학회논문지
• /
• 제18권3호
• /
• pp.341-346
• /
• 2008

본 연구에서는 화물 운송에 사용되는 운반선 중 하나인 액체운반선을 유지 관리하기위한 통합 자동화 시스템인 스마트 카고 탱커 진단 모니터링 시스템을 개발하였다. 본 연구를 통해 선박의 특수성을 고려한 선박용 능동형 스마트 센서 개발 기술을 확보하고 고신뢰성 및 내환경성을 가진 기자재를 개발하고자 하였다. 본 연구에서 제안한 카고 모니터링 시스템은 증기 압력 모니터링 부분, 카고 수위 모니터링 부분, 수위 초과 모니터링 부분, 가스 모니터링 부분, 탱크 온도 모니터링 부분으로 구성된다. 본 시스템은 각 단위 시스템으로부터 전송되는 신호의 신뢰성, 적절성 그리고 센서 자체의 이상 유무를 스스로 진단한다. 최종적으로 각 시스템의 고장진단 및 예측을 통하여 운항중인 선박에서 효과적으로 화물을 유지 관리 할 수 있도록 하는 포괄적인 통제 모니터링 시스템 개발을 목적으로 한다.

• 한국지능시스템학회논문지
• /
• 제16권6호
• /
• pp.691-697
• /
• 2006

유도전동기는 산업시스템에 있어서 필수적인 요소이기 때문에 유지 관리, 모니터링 시스템, 고장 진단 등의 다양한 분야에서 많은 연구가 행해지고 있다. 유도전동기의 운전 중 하나의 고장이 발생한 경우 이것은 전동기의 다른 부분에 영향을 미치거나 또 다른 고장을 유발시키는 원인이 된다. 따라서 개별적인 고장뿐만 아니라 결합된 형태의 고장을 검출하고 진단하는 것은 유용한 방법이다. 본 논문에서는 전압불평형 고장과 회전자바 고장이 발생한 경우, 흐리고 두 고장이 동시에 복합적으로 발생한 경우를 모델링하고 이에 대해 고장을 웨이블릿 분해를 이용하여 진단하였다. 제안된 고장 검출 및 진단 알고리즘은 농형유도전동기의 고정자 전류를 이용하였으며 매트랩 시뮬링크를 사용하여 시뮬레이션 하였다.

• Nuclear Engineering and Technology
• /
• 제50권8호
• /
• pp.1306-1313
• /
• 2018

The randomness and incipient nature of certain faults in reactor systems warrant a robust and dynamic detection mechanism. Existing models and methods for fault diagnosis using different mathematical/statistical inferences lack incipient and novel faults detection capability. To this end, we propose a fault diagnosis method that utilizes the flexibility of data-driven Support Vector Machine (SVM) for component-level fault diagnosis. The technique integrates separately-built, separately-trained, specialized SVM modules capable of component-level fault diagnosis into a coherent intelligent system, with each SVM module monitoring sub-units of the reactor coolant system. To evaluate the model, marginal faults selected from the failure mode and effect analysis (FMEA) are simulated in the steam generator and pressure boundary of the Chinese CNP300 PWR (Qinshan I NPP) reactor coolant system, using a best-estimate thermal-hydraulic code, RELAP5/SCDAP Mod4.0. Multiclass SVM model is trained with component level parameters that represent the steady state and selected faults in the components. For optimization purposes, we considered and compared the performances of different multiclass models in MATLAB, using different coding matrices, as well as different kernel functions on the representative data derived from the simulation of Qinshan I NPP. An optimum predictive model - the Error Correcting Output Code (ECOC) with TenaryComplete coding matrix - was obtained from experiments, and utilized to diagnose the incipient faults. Some of the important diagnostic results and heuristic model evaluation methods are presented in this paper.