• 소음진동
• /
• 제25권1호
• /
• pp.7-15
• /
• 2015

• 한국기계가공학회지
• /
• 제18권9호
• /
• pp.52-57
• /
• 2019

The key technology of the fourth industrial revolution is artificial intelligence and machine learning. In this study, FMEA was performed on fuel pumps used as key items in most systems to identify major failure components, and artificial neural networks were built using big data. The main failure mode of the fuel pump identified by the test was coil damage due to overheating. Based on the artificial neural network built, machine learning was conducted to predict the failure and the mean error rate was 4.9% when the number of hidden nodes in the artificial neural network was three and the temperature increased to $140^{\circ}C$ rapidly.

• 한국전자통신학회논문지
• /
• 제13권4호
• /
• pp.751-756
• /
• 2018

스마트 팩토리나 산업용 IoT에서는 공장 내 모든 기기와 장비가 인터넷으로 연결되어 모니터링 됨으로써, 장비나 기기가 고장 나기 전에 예지보전을 통해 설비의 다운타임을 줄이고, 생산성과 가용성을 높일 수 있다. 공장내 주요 설비의 이상 상태는 온도의 이상 상승, 진동과 소음의 변화를 수반하여 나타나게 되므로, 좁은 공간에 쉽게 설치하여 설비의 진동상태를 실시간으로 모니터링 할 수 있는 초소형 스마트 디바이스 개발은 매우 중요하다. 본 연구에서는 WiFi 기능이 있는 초소형 마이크로컨트롤러와 MEMS 가속도 센서를 이용하여 스마트 펙토리의 이상 고장 예지 및 건전성 관리를 위한 스마트 디바이스를 개발하고 그 성능을 분석하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2006년도 전력전자학술대회 논문집
• /
• pp.305-307
• /
• 2006

기존에 사용되어 온 진동데이터를 이용한 유도전동기 고장진단 기법은 유도전동기의 전기적 결함을 파악하기 어렵고 특정 고장의 경우 유사한 진동주파수를 포함하고 있어 정확한 고장진단이 어렵다. 본 논문에서는 유도전동기 고장진단 시스템을 구현하기 위해 기존의 진동데이터 분석에 전류 분석기법 중의 하나인 MCSA(Motor Current Signature Analysis)기법을 추가하여 유도전동기 예지보전시스템의 신뢰성을 향상시켰다. 구현된 시스템의 신뢰성을 검증하기 위해 유도전동기의 고장진단을 위한 실험환경을 구축하고 진동데이터만을 이용하여 얻어진 고장진단 결과와 전류데이터 분석을 병행하여 얻어진 고장진단 결과를 비교 분석하였다.

• 전기저널
• /
• 7호통권127호
• /
• pp.96-99
• /
• 1987

최근설비를 계획하는데 있어서는 설계에서 건설 운용, 갱신에 이르기까지 라이프사이클코스트, 미니멈의 관점에서 시스템토틀로서 검토되는 일이 많다. 그러한 의미에서 설비의 보전기술을 중요한 역할을 담당한다. 일반적으로 보전의 종류는 사후, 예방, 예지()의 각 보전에, 또 보전의 방식으로는 시간기준보전과 상태기준보전으로 대별할 수가 있다. 설비가 복잡하고 고도화되어가고 있는 가운데 경비효율, 가동율, 신뢰도 등 토틀 시스템 효율의 향상을 도모하기 위해 상태기준에 의한 예지보전이 요구되는 경향에 있다. 또 온라인으로 리어얼타임인 설비진단기술의 진전이 이를 가능케 해가고 있다. 여기서는 음행분석에 의한 설비진단에 대해 자가발전장치의 음향진단을 예로 하여 기술키로 한다.

• 한국전자통신학회논문지
• /
• 제10권2호
• /
• pp.195-202
• /
• 2015

회전기계에서는 예후 신호 없이 고장되는 경우는 거의 없으며, 따라서 설비고장은 신호를 감시함으로서 고장을 예측, 회피할 수 있다. 본 연구에서는 회전기계에서 발생할 수 있는 고장에 대한 안전진단에 대한 사례연구이다. 각각의 회전기계에 대하여 진동분석을 통한 고장발생유무를 각종의 측정 데이터를 이용하여 분석하여 향후에 발생할 수 있는 고장에 대한 안전진단에 대한 방법을 연구하였다. 결과에서 보는 바와 같이 제안된 측정방법으로 안정한 상태 감시 및 진단 결과를 보여준다.

• 기계저널
• /
• 제56권11호
• /
• pp.50-53
• /
• 2016

이 글에서는 최근 3년간(2013-2015) PHM Society에서 발표된 논문에 기반하여 분석된 고장예지기술의 연구 동향 및 도전과제에 대해 소개하고자 한다.

• 한국전산구조공학회논문집
• /
• 제31권1호
• /
• pp.63-69
• /
• 2018

베어링은 많은 회전체에서 사용되는 핵심부품으로, 예기치 않은 고장을 방지하기 위해 많은 연구가 집중되고 있다. 이때 중요한 것은 되도록 초기에 건전성 상태를 잘 나타내는 적절한 특징신호를 추출하는 것이다. 그러나 기존의 연구들은 주로 진단관점에서 특징신호를 추출하여 고장예지에는 적합하지 않은 측면이 있었다. 본 논문에서는 이러한 문제를 극복하기 위해 베어링 고장 주파수의 에너지와 시간 사이의 상관계수 가중 합을 이용하여 베어링 수명 예측에 용이한 특징신호를 추출하는 방법을 개발하였다. 그 결과 일반적으로 고장진단에서 많이 사용되고 있는 특징신호인 RMS에 비해서 결함 초기부터 단조로운 증가 경향의 특징신호를 추출함을 알 수 있었다. 이를 입증하기 위해서 NASA Ames에서 제공한 IMS bearing 진동 데이터를 이용하였고 제시한 특징신호와 일반적인 RMS와 의 거동을 비교하여 유효성을 검증하였다.

• 드라이브 ㆍ 컨트롤
• /
• 제16권3호
• /
• pp.33-41
• /
• 2019

This study presents the development of a lifetime test bench for the strain wave reducer which is a precision gear reducer of the robot to realize fault diagnosis and failure prognostics. To this end, the lifetime test bench was designed to detect the vertical forward/reverse direction rotation load. Through the lifetime test bench, it is possible to apply the same load spectrum from robot working scenarios. We developed a data integration gateway for fault data collection. Through the development of dedicated software for fault diagnosis and failure prognostics, these data from vibration, noise and temperature sensors were collected and analyzed along with the operation of the lifetime evaluation.

• 한국전자통신학회논문지
• /
• 제10권2호
• /
• pp.189-194
• /
• 2015

본 연구에서는 회전기계에서 발생할 수 있는 고장에 대한 안전진단에 대한 사례연구이다. 각각의 회전기계에 대하여 진동분석을 통한 고장발생유무를 각종의 측정 데이터를 이용하여 분석하여 향후에 발생할 수 있는 고장에 대한 안전진단에 대한 방법을 연구하였다. 본 연구에서 제안한 상태 감시 및 진단 방법을 적용한 결과, 회전기계의 추후 고장을 예측할 수 있었다.