• 융합신호처리학회논문지
• /
• 제6권3호
• /
• pp.143-147
• /
• 2005

운전 중인 기계들의 안전 운전과 예지 보전을 위한 설비의 고장 감지 및 진단과 상태감시는 산업 현장에서 중요한 역할을 담당하고 있다. 이러한 설비의 많은 기기들은 회전기기로 이루어져 있으며 회전기기의 고장진단은 오랜 기간 많은 분야에서 연구되고 있다. 본 연구에서는 회전기기의 고장신호는 주파수 영역의 신호의 변화로 나타난다는 특징을 이용하여 보다 효율적인 주파수 영역에서의 신호 해석을 위하여 Linear Predictive Coding(LPC) 계수를 이용하였다. 사용된 데이터는 회전기기의 고장 신호의 습득을 용이하게 하기 위하여 유도전동기에 인위적인 고장재현을 통하여 습득된 진동 신호를 사용하였다. 제안된 시스템은 LPC 분석을 사용하여 일반적으로 사용되는 주파수 영역 상에서의 다른 해석 방법들보다 빠른 시간에 연산 결과를 도출할 수 있는 장점을 가질 수 있었으며, 성공적인 실험 결과를 얻을 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 학술대회 논문집 정보 및 제어부문
• /
• pp.56-58
• /
• 2005

This paper for the Train control system which has been used in the railway system for the purpose of headway control is regarded as safety-critical system, which is based on embedded controller. Therefore, for the maintainability, the maintenance time shall be predicted correctly in order to improve availability of railway system and the predictive values shall be proved through the test. In conclusion, for the maintainability of train control system, the solution for exact prediction based on related international standard and the system for justification of derived predictive values shall be proposed.

• 대한한의학회지
• /
• 제37권3호
• /
• pp.62-73
• /
• 2016

Objectives: Dropout and weight regain are common problems in most obesity treatments. The purpose of this study was to review previously published study results of the predictive factors associated with dropout during weight loss treatment and weight loss maintenance after successful weight loss. Methods: Authors searched for the articles related to dropout and weight loss maintenance, published from 2007 to 2016 found on Pubmed, Scopus, RISS, and KISS. A total of 19 articles were finally selected. From the study results, unchangeable and changeable predictors were extracted, and these predictors were examined according to dropout and weight loss maintenance categories. Results: The unchangeable predictors of dropout were younger age, lower education level and female, whereas the changeable predictors of dropout were lower initial weight loss, symptoms of depression and body dissatisfaction. The strongest factor for predicting the dropout was initial weight loss. The unchangeable predictors of weight loss maintenance were old age, male and family history of obesity, whereas the changeable predictors of weight loss maintenance were regular exercise, dietary restraint, self-weighing and low depressive symptoms. Initial weight loss, depressive symptoms, body image, dietary restraint, physical activity, weight loss expectation and social support were considered to be dominant factors for weight loss treatments. Conclusions: Our review results suggest that unchangeable and changeable predictors of dropout and weight loss maintenance should be carefully examined during treatments of obesity.

• KNOM Review
• /
• 제24권1호
• /
• pp.13-19
• /
• 2021

최근 산업 분야에서는 공장 자동화 뿐만 아니라 장애 진단/예측을 통해 고장/사고를 사전에 방지하여 생산량을 극대화하기 위한 연구가 진행되고 있으며, 이를 구성하기 위해 많은 양의 데이터 축적을 위한 클라우드 기술, 데이터 처리를 위한 빅 데이터 기술, 그리고 데이터 분석을 쉽게 진행하기 위한 AI(Artificial Intelligence)기술이 도입되고 있다. 또한 최근에는 장애 진단/예측의 발전으로 인해 설비 유지보수(PM: Productive Maintenance) 방식도 정기적으로 설비를 유지보수 하는 방식인 TBM(Time Based Maintenance)에서 설비 상태에 따라 유지보수 하는 방식인 CBM(Condition Based Maintenance)을 조합하는 방식으로 발전하고 있다. CBM 기반 유지보수를 수행하기 위하여 설비의 상태(condition)의 정의와 분석이 필요하다. 따라서 본 논문에서는 머신 러닝(Machine Learning) 기반의 장애 진단을 위한 시스템 및 데이터 모델(Data Model)을 제안하며, 이를 기반으로 장애를 사전 예측한 사례를 제시하고자 한다.

• 한국건축시공학회지
• /
• 제24권3호
• /
• pp.355-362
• /
• 2024

본 연구의 주요 목표는 아파트 단지 수선유지 비용을 예측하기 위해 딥러닝 기법을 적용한 예측 모델 구축 프레임워크를 제안하는 것이다. 아파트 건물을 이상적인 상태로 관리하기 위해서는 지속적인 유지 및 시의적절한 수리가 필수적이다. 아파트 단지는 광범위한 면적, 공동 시설, 다수의 주거 동, 서비스 지역 등으로 인해 유지관리가 복잡하다. 또한, 아파트의 안전성 보장, 가치 유지 및 경제적 효율성 때문에 경제적이고 합리적인 유지보수의 중요성이 점점 커지고 있다. 그러나 아파트 단지 수선유지는 다양한 외부 요인의 영향을 받고 데이터 수집이 어려워 연구가 부족한 상황이다. 따라서 본 연구는 실제 아파트 단지 유지보수 비용 데이터를 기반으로 딥러닝 기법을 활용해 유지보수 비용을 예측하는 모델 개발 프레임워크를 제시하고자 한다. 본 연구의 프레임워크 및 결과는 실질적으로 아파트 단지의 유지보수 비용 예측에 활용될 수 있으며, 궁극적으로 아파트 단지의 시설 관리 향상에 기여할 것이다.

• 동력기계공학회지
• /
• 제8권2호
• /
• pp.5-11
• /
• 2004

The failure frequency of the Emergency Diesel Generator(EDG) at Nuclear Power Plants(NPPs) is not so much lower than that of the Marine engines, whereas the running hours of the diesel engine at NPPs is much less than those of the engines for commercial service. The primary factor results from the severe surveillance test requirements such as fast start, large number of starting test, fast load-run, high load running, etc. The other factor comes from the excessive maintenance based on the engine maker's instruction manual that did not incorporate the peculiar characteristics of the diesel engines at NPPs. In this paper, the present preventive maintenance program on the basis of the Pielstick diesel engines was reviewed for the purpose of securing the reliability of the emergency diesel generator at NPPs and the ways for its improvement were presented by referring to the overseas cases for their applications.

• International Journal of Aeronautical and Space Sciences
• /
• 제15권2호
• /
• pp.123-137
• /
• 2014

The aviation gas turbine is composed of many expensive and highly precise parts and operated in high pressure and temperature gas. When breakdown or performance deterioration occurs due to the hostile environment and component degradation, it severely influences the aircraft operation. Recently to minimize this problem the third generation of predictive maintenance known as condition based maintenance has been developed. This method not only monitors the engine condition and diagnoses the engine faults but also gives proper maintenance advice. Therefore it can maximize the availability and minimize the maintenance cost. The advanced gas turbine health monitoring method is classified into model based diagnosis (such as observers, parity equations, parameter estimation and Gas Path Analysis (GPA)) and soft computing diagnosis (such as expert system, fuzzy logic, Neural Networks (NNs) and Genetic Algorithms (GA)). The overview shows an introduction, advantages, and disadvantages of each advanced engine health monitoring method. In addition, some practical gas turbine health monitoring application examples using the GPA methods and the artificial intelligent methods including fuzzy logic, NNs and GA developed by the author are presented.

• 산업경영시스템학회지
• /
• 제46권2호
• /
• pp.168-175
• /
• 2023

In the era of the 4th Industrial Revolution, Logistic 4.0 using data-based technologies such as IoT, Bigdata, and AI is a keystone to logistics intelligence. In particular, the AI technology such as prognostics and health management for the maintenance of logistics facilities is being in the spotlight. In order to ensure the reliability of the facilities, Time-Based Maintenance (TBM) can be performed in every certain period of time, but this causes excessive maintenance costs and has limitations in preventing sudden failures and accidents. On the other hand, the predictive maintenance using AI fault diagnosis model can do not only overcome the limitation of TBM by automatically detecting abnormalities in logistics facilities, but also offer more advantages by predicting future failures and allowing proactive measures to ensure stable and reliable system management. In order to train and predict with AI machine learning model, data needs to be collected, processed, and analyzed. In this study, we have develop a system that utilizes an AI detection model that can detect abnormalities of logistics rotational equipment and diagnose their fault types. In the discussion, we will explain the entire experimental processes : experimental design, data collection procedure, signal processing methods, feature analysis methods, and the model development.

• 한국안전학회지
• /
• 제38권5호
• /
• pp.43-50
• /
• 2023

With the advent of industrialization, consumers and end-users demand more reliable products. Meeting these demands requires a comprehensive approach, involving tasks such as market information collection, planning, reliable raw material procurement, accurate reliability design, and prediction, including various reliability tests. Moreover, this encompasses aspects like reliability management during manufacturing, operational maintenance, and systematic failure information collection, interpretation, and feedback. Improving product reliability requires prioritizing it from the initial development stage. Failure mode and effect analysis (FMEA) is a widely used method to increase product reliability. In this study, we reanalyzed using the FMEA method and proposed an improved method. Domestic railways lack an accurate measurement method or system for maintenance, so maintenance decisions rely on the opinions of experienced personnel, based on their experience with past faults. However, the current selection method is flawed as it relies on human experience and memory capacity, which are limited and ineffective. Therefore, in this study, we further specify qualitative contents to systematically accumulate failure modes based on the Failure Modes Table and create a standardized form based on the Master FMEA form to newly systematize it.

• 전자공학회논문지SC
• /
• 제44권1호
• /
• pp.33-39
• /
• 2007

LonWorks/IP VDN은 LonWorks 디바이스 네트워크와 IP(데이터) 네트워크와의 통합네트워크로 산업현장에 대한 유비쿼터스 접근을 제공하여 설비에 대한 예지 및 예방보전을 가능하게 한다. 산업현장에 대한 예지 및 예방보전을 위한 실시간 분산제어 환경에서 즉각적인 응답은 필수불가결한 요소이다. LonWorks/IP 가상 디바이스 네트워크(VDN) 상에서 불확실한 시간지연은 산업현장에 대한 실시간 예지 및 예방보전을 위해 분산 제어를 수행할 때 시스템의 안정성과 성능을 악화시킨다. 따라서 네트워킹 된 분산제어시스템의 안정성을 보장하고 성능을 개선하기 위해서는 시간에 따라 가변적인 불확실한 시간지연을 보상할 필요가 있다. 본 논문에서는 LonWorks/IP VDN와 같은 분산제어 환경 하에서 서보 제어를 수행하는 경우에 외란관측기와 위상지연 보상기로 ZPETC(Zero Phase Error Tracking Controller)를 도입한 제어구조가 제시되고 컴퓨터 모의실험이 수행된다. 제안된 제어기의 성능은 컴퓨터 모의실험을 통하여 외란관측기를 도입한 Smith 예측기 기반의 내부모델제어기(IMC)의 제어결과와 비교 제시된다. 제안된 제어기는 외란과 잡음에 강인한 특성을 가지며, 주기적인 신호에 대한 추종성능을 상당히 개선시키므로 가변적인 시간지연을 갖는 LonWorks/IP VDN 상에서 주기적인 작업 수행에 필요한 분산 서보제어에 매우 적합하다.