• 대한기계학회논문집B
• /
• 제37권6호
• /
• pp.551-558
• /
• 2013

서포트 벡터 머신(Support Vector Machine, SVM)은 학습용 데이터 집합이 확보되어 있을 경우, 매우 강력한 분류 알고리즘이다. 따라서 패턴인식은 물론 기계학습 분야에서 결함진단 도구의 하나로 이용되고 있다. 본 논문에서는 최적 특징과 SVM 을 이용하여 볼 베어링의 결함유형과 결함의 정도를 진단한 결과를 기술하였다. SVM 학습용 특징데이터에는 12 개의 시간영역 특징과 9 개의 주파수영역 특징들이 포함되어 있으며 이들 특징들은 다양한 베어링 결함조건에서 측정된 진동신호와 진동신호의 이산 웨이블렛 변환신호로부터 추출되었다.

• 경영정보학연구
• /
• 제6권2호
• /
• pp.195-208
• /
• 2004

소프트웨어 규모가 대형화 됨에 따라 개발에 소요되는 시간과 인력도 대형화 되고 있으며, 또한 원하는 수준의 소프트웨어 품질을 얻기 위해 필요한 테스트 비용도 점점 더 증가하고 있다. 소프트웨어 프로젝트 개발 과정에서 품질 관리를 위해 다양한 결함 제거 기법들이 사용되고 있으나, 이러한 결함제거 기법과 결함 제거 시간이 전체 일정에 미치는 영향은 아직까지 체계적으로 분석되지 못하고 있다. 본 논문에서는 일정한 소프트웨어 품질 수준을 달성하기 위해 소요되는 시간을 소프트웨어 개발 일정 관리에 반영한 새로운 일정관리 모델을 제안한다. 제안된 모델은 CMU의 PSP/TSP (Personal Software Process/Team Software Process)를 적용하는 개발 과정에서 수집된 결함 정보, 결함 제거 시간, 평균 결함 제거시간 및 단계별 결함 제거율을 사용하여 일정 지연 여부를 실시간으로 추적할 수 있도록 하고 있다. 이를 위해 본 논문에서는 소프트웨어 품질 달성에 필요한 작업량을 일정 관리 측정체계와 동일한 측정체계에서 사용할 수 있도록 하는 품질 지수(Quality Value)를 새로 제안한다. 본 연구의 결과는 일정과 품질을 분리하여 관리하는 기존의 일정 관리 방법을 보완하여 프로젝트 관리자를 비롯한 모든 관계자가 품질 관리의 중요성을 인식하고 품질 저하 문제를 사전에 예방하는데 활용될 수 있을 것으로 기대된다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2013년도 춘계 종합학술대회 논문집
• /
• pp.183-184
• /
• 2013

미국은 1960년대 초부터 제조물의 결함으로 인하여 발생한 손해에 대하여 판례나 학설을 통해 종래의 불법행위법의 범위를 확대하여 과실 계약법제가 엄격책임의 법제로 대체되어 엄격책임을 지게 하였다. 1970년대에 접어들면서 선진국들은 학설 판례에 맡기었던 제조물책임문제를 입법을 통하여 해결하고자 하였다. 즉 유럽국가들은 1985년 제조물책임에 관한 EC지침을 채택하고 1987년부터 대부분의 EU회원국들이 제조물책임법을 제정하였다. 우리나라도 제조물의 결함으로 인한 피해가 급증하면서 피해자와 직접적인 계약관계가 없는 제조자에게 계약책임을 지울 수 없다는 한계를 인식하고 피해자를 보호하기 위해 2000년에 제조물책임법을 입법하여 2002년부터 시행하였다. 동법의 핵심은 제조물책임에 관하여 과실의 유무를 묻지 않고 결함만을 책임요건으로 하는 무과실책임주의를 채택했다는 점이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.881-883
• /
• 2022

고객사에 납품하는 웨이퍼의 안정적인 공급을 위한 웨이퍼 엣지의 결함 검출 장비다. 본 연구에서는 OpenCV와 임베디드 시스템, 머신러닝, 전자 회로 그리고 센서/카메라 기술을 핵심 기술로 R&D 한다. 고객사에서 불량 웨이퍼 발생에 대응하기 위한 장비의 데이터를 생산하여 고객과의 신뢰도 향상 및 유지를 할 수 있다. 그리고 결함이 특정 공정 지점에서 발생하는지 탐색할 수 있다.

• 한국산학기술학회논문지
• /
• 제21권11호
• /
• pp.53-60
• /
• 2020

철도차량의 대차는 열차 주행을 위한 핵심적인 장치이다. 철도차량의 대차에서 피로결함은 운행 중 기대되지 않거나 과도한 하중, 용접결함, 재료 결함 등의 다양한 요인에 의해 발생할 수 있다. 철도차량의 사고를 방지하기 위해서 차체-대차연결부의 손상을 검출하고 발생 결함에 대한 정확한 평가가 요구된다. 이러한 철도차량의 차체-대차 연결부는 초음파 비파괴 검사를 통하여 건전성을 확보하고 있으나 결함 발생에 대한 학습기법을 이용한 판정방법이 필요하다. 최근 미세한 결함이나 유사한 결함을 높은 인식율로 검출하기 위하여 딥러닝 기법에 관한 여러 연구가 진행되고 있다. 본 연구에서는 철도차량의 차체-대차 연결부의 결함 검출능력을 위하여 용접부의 인공결함 시편에 대하여 데이터베이스 구축하였으며. 웨지형 초음파 센서를 이용하여 차체-대차 연결부에 대한 비파괴 검사를 수행하였다. 부가적으로 인적오류를 최소화하기 위하여 결함판단 학습기법인 합성곱 신경망기법(Convolutional Neural Network)을 적용하였다. 그 결과 합성곱 신경망기법 기법을 이용하여 철도차량의 차체-대차 연결 용접부의 균열을 99.98%이상 균열성 결함으로 판별할 수 있었으며 철도차량 차체-대차 연결부의 비파괴검사시 본 연구의 기술이 적용 가능함을 확인할 수 있었다.

• 비파괴검사학회지
• /
• 제17권4호
• /
• pp.248-261
• /
• 1997

용접 결함에 대한 초음파탐상시험으로부터 결함의 종류를 결정하는 것은 초음파형상인식기법에 의해 가장 잘 해결할 수 있기 때문에 지금까지 이 기법에 대한 연구가 많이 수행되어 왔다. 그러나 이 기법은 지금까지의 많은 연구에도 불구하고, 실제 산업 현장에서는 아직까지 널리 사용되지 못하고 있는 실정이다. 이러한 문제를 해결하기 위해 본 연구에서는, 용접 결함으로부터 초음파 신호를 채취하여 입력하면 적절한 신호처리를 통해 신호의 특징을 추출하고 신경회로망 등 다양한 인공지능기법을 적용하여 용접 결함의 종류를 자동적으로 판별하는 지능형 초음파 신호 분류 소프트웨어를 개발하였다. 그리고 개발된 분류기를 이용하여 용접부내에 존재하는 용접 결함을 균열(Crack)과 비균열(non-crack)으로 분류하는 문제에 적용함으로써, 산업 현장에서 쉽게 이용할 수 있는 실제적인 분류기로서의 가능성을 검증하였다.

• 플랜트 저널
• /
• 제8권3호
• /
• pp.49-54
• /
• 2012

현재 운영 중인 발전소 전동기의 고정자 권선 고장 실제사례를 토대로 전동기에서 발생하는 자속 데이터의 고주파 영역 스펙트럼을 분석함으로써 결함이 있는 전동기와 건전한 전동기의 자속 특성 및 변화추이를 분석하였다. 전동기 자속스펙트럼의 고주파 영역을 분석한 결과 결함이 있는 전동기는 고정자 슬롯 주파수 대비 고정자 슬롯 사이드밴드 주파수의 상대적 크기 비율이 건전한 전동기에 비해 매우 높음을 확인하였다. 또한 결함이 있는 전동기는 시간이 지날수록 고정자 슬롯 주파수 대비 고정자 슬롯 사이드밴드 주파수의 상대적 크기 비율 크기도 더욱 커지는 현상도 확인하였다. 그리고 결함이 있는 전동기의 자속 데이터는 불시 고장 1개월여 전부터 결함 상태를 인식할 수 있는 신호를 나타냄으로써 전동기 고정자 권선 결함에 대한 사전 예측능력이 매우 탁월함을 확인하였다.

• 한국산업안전학회:학술대회논문집
• /
• 한국안전학회 2002년도 춘계 학술논문발표회 논문집
• /
• pp.413-418
• /
• 2002

베어링은 산업현장에서 널리 쓰여지는 중요 부품이다. 따라서 이의 결함에 따른 손실을 예방하기 위해서는 이상을 진단하고 검지하는 기법이 요구된다. 따라서 본 연구에서는 저속회전하므로 노이즈가 많이 포함되어 절상상태의 신호검출이 어려운 저속회전베어링의 외륜이상을 웨이브렛의 Denoising 기법을 적용하여 정량적으로 진단하고 패턴인식법 중의 하나인 KDI(Kullback Discrimination Information)를 적용하여 이상상태의 진단/검지능력을 시험해 보았다. 웨이브랫의 Denoising 기법은 노이즈 캔셀링(Noise canceling)이 능력이 뛰어났고, HDI기법은 저속회전베어링의 정상과 이상의 분류에 뛰어난 검지능력이 있음을 알 수 있었다.(중략)

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1891-1892
• /
• 2008

본 논문에서는 부분방전 패턴인식을 위한 퍼지뉴럴네크워크(Fuzzy-Nueral Network를 설계한다. 퍼지뉴럴네트워크의 구조에서 규칙의 전반부는 개별적인 입력 공간을 분할하여 표현하고, 규칙의 후반부는 다항식으로서 표현되며 오류역전파 알고리즘을 이용하여 연결가중치인 후반부 다항식의 계수를 학습한다. 또한, 유전자 알고리즘을 이용하여 각 입력에 대한 전반부 멤버쉽함수의 정점과 학습률 및 모멤텀 계수를 최적으로 동조한다. 제안된 네트워크는 부분방전 패턴인식을 위해 다중 출력을 가지며, 초고압 XLPE 케이블 절연접속함의 모의결함에 대해 부분방전 신호를 패턴인식한다. 부분방전 신호는 PRPDA 방법을 통해 256개의 입력 벡터와 4개의 출력 벡터를 가지며, 보이드 방전, 코로나 방전, 표면 방전, 노이즈의 4개 클래스를 분류하며, 패턴인식률로서 결과를 분석한다.

• 한국지능시스템학회논문지
• /
• 제13권3호
• /
• pp.281-286
• /
• 2003

웨이블릿 변환(Wavelet Transform)은 공간-주파수 영역에서 신호의 국소특성을 효율적으로 구현할 수 있다 하지만, 웨이블릿 변환을 패턴 인식을 위한 특징 추출에 적용할 경우, 입력 신호의 위치 이동에 따라 추출된 특징 값이 변화하게 되어 인식률이 낮아지는 결함이 있다. 본 논문에서는 웨이블릿 변환을 패턴 인식에 적용할 경우 발생하는 입력 신호의 위치 이동에 따른 문제점을 보완하여 노이즈에 강인한 홍채인식 알고리즘을 제안한다. 실험을 통하여 제안한 알고리즘의 우수성을 보여 준다.