• Proceedings of the Korean Reliability Society Conference
• /
• 2000.04a
• /
• pp.89-96
• /
• 2000

VTR 제품에 대해 소비자가 만족하는 신뢰성을 보증하기 위해, 내구수명시험을 10,000시간 실시하여 제품의 특성치 변화와 고장률이 만족하는지 검토하였다. 아울러 시간의 경과에 따른 제품의 특성치 변화를 관측하여 고장분포를 추정하였고 실험실에서의 고장유형과 시장에서의 불량유형과 일치여부를 분석하였다. 내구수명시험 결과에서 제품의 특성치 변화와 Field의 시장불량 관계등은 제품에 중요한 요인이기 때문에 이를 바탕으로 신뢰성 방향을 재검토하는 계기가 되었다. 제품의 신뢰성을 향상시키기 위해 시험을 많이 실시하지만, 시험으로 모든 것을 검출하기에는 한계가 있으며 또한 많은 시험 시간이 소요되기 때문에 현업에 적용하기에는 한계가 있었다. 본 연구에서는 제품의 신뢰성을 향상시키기 위해 내구수명시험과 더불어 제품의 설계 마진 분석, 그리고 고장분석을 같이 추진해야만 단시간 신뢰성을 향상시키는데 좋은 지름길임을 제시하였다.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.2223_2224
• /
• 2009

현대 사회에서의 배전은 단순히 전력 공급에서 그치는 것이 아니라, 우수한 전력 품질을 지닌 전기를 공급해 주는 것에 큰 의미를 두고 있다. 배전 선로에서 고장이 발생할 경우 서로 유기적인 연관성 및 부하의 밀집도가 큰 배전계통의 특성상 전력품질저하 및 고장파급효과가 매우 크다. 전력품질은 일정한 주파수 및 전류, 전압 등을 기반으로 하며 고장에 의해 이러한 요소들이 영향을 받아 전력품질 저하의 원인이 된다. 따라서 배전계통에서의 고장에 의한 영향을 자세히 분석하기 위해 EMTP(ElectroMagnetic Transients Program)를 이용하여 고장을 모의하고 결과를 분석하였다. 다양한 유형의 조건을 모의하기 위해 계통의 여러 위치에서 1선지락 고장을 모의하였고, 각 고장 지점에 따라 다양한 위치에서 전압과 전류를 측정하여 고장의 파급효과를 측정하여 고장 발생 시 전압과 전류의 관계 및 거리에 따른 고장파급효과를 분석하였다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.22 no.2
• /
• pp.76-84
• /
• 2021

The quality assurance activities can detect the factors that affect the quality based on risk identification in the course of mass production. Risk identification is conducted with risk analysis, and the risk analysis method for the rotorcraft landing system is selected by failure mode effects analysis (FMEA). FMEA is a method that detects the factors that can affect the product quality by combining severity, occurrence, and detectability. The results of FMEA were prioritized using the risk priority number. On the other hand, these methods have certain shortcomings because the severity, occurrence, detectability are weighted equally. Dempster-Shafer evidence theory can conduct uncertainty analysis for the opinions with personal reflections and subjectivity. Based on the theory, the belief function and the plausibility function can be formed. Moreover, the functions can be utilized to evaluate the belief rate and credibility. The system is exposed to impact during take-off and landing. Therefore, experts should manage failure modes in the course of mass production. In this paper, FMEA based on the Dempster-Shafer evidence theory is discussed to perform risk analysis regarding the failure mode of the rotorcraft landing system. The failure priority was evaluated depending on the factor values. The results were derived using belief and plausibility function graphs.

• Electronics and Telecommunications Trends
• /
• v.7 no.3
• /
• pp.145-153
• /
• 1992

통신시스팀을 구성하는 PBA수준에 대해 운용중의 고장률 추정 및 고장형태 파악을 목적으로 실시하는 가속수명시험에 대해 서술하였다. 이를 위해 통신 시스팀에서 나타나는 고장 유형 및 각 기간에서의 고장률데이터 확보방법, 가속수명시험의 종류 및 원리, 시스팀을 구성하는 PBA 수준에 대한 가속수명시험조건에 대해 서술하였다.

• Proceedings of the KIEE Conference
• /
• 2006.07a
• /
• pp.171-172
• /
• 2006

국내 전력계통을 담당하고 있는 한국전력공사에서는 주기적으로 변전소 운전원들을 교육/훈련하여 계통상에서 발생하는 각종 현상 또는 고장 등에 대한 신속한 대비를 수행할 수 있도록 하고 있다. 이러한 교육/훈련을 위하여 교육용 시뮬레이터를 개발하여 운영 중에 있다. 기존 교육용 시뮬레이터의 경우 여러 고장 발생에 대한 각종 동작 사항을 지정하여 시나리오로 저장한 후, 교육/훈련시 다시 불러와서 사용하는 방식으로 되어 있었으나 본 개발된 고장발생기는 고장 유형에 따른 동작 사항을 계통 상황에 맞춰 생성하여 시나리오를 발생시키는 방식으로 변경하였다. 이를 통해 복잡한 시나리오 편집 절자가 없어졌으며, 보다 다양한 고장에 대한 교육/훈련을 수행할 수 있게 되었다. 본 논문에서는 고장발생기의 입력 및 출력을 제시하고, 기존의 고장발생 방식과의 성능 비교를 기술하였다.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.12 no.2
• /
• pp.157-157
• /
• 1998

이 논문은 브리시리스 직류전동기의 구동 인버터의 실시간 데이터를 이용한 고장진단에 관한 것이다. 구동 인버터의 고장유형을 파악하여 주요 고장증세별로 분류하고, 고장결과를 예측하여 ASCL로 시뮬레이션함으로써 지식 베이스로 구성하였다. 구동 인버터에 대해 실시간으로 감시된 데이터는 전문가 시스템의 추론기관에서 시뮬레이션된 지식베이스와 비교하게 된다. 고장이 발생하면, 운전을 중지시킨 후, 전문가 추론을 함으로써 고장원인을 진단한다. 이로써 구동 인버터에 대해 전문적인 지식을 갖고 있지 않는 사용자에게, 고장원인 제거 및 수리대책에 관한 전문가의 지식을 신속히 제공하는 것이다.

• Journal of Korean Society of Industrial and Systems Engineering
• /
• v.35 no.3
• /
• pp.45-51
• /
• 2012

대기부품은 대기기간 중에 우발적 고장이 발생할 수 있으며(type I failure), 해당상황이 장기간 방치되는 것을 방지하기 위해 주기적인 검사를 하는 것이 일반적이다. 그러나 검사가 대기기간 중 발생한 고장을 확인할 수 있게 하는 반면, 검사를 시작할 때 대기하던 부품에 부하를 가하는 과정에서 고장을 유발할 가능성이 존재하며(type II failure), 검사시간동안 대기부품을 작동시킴으로써 열화에 의한 고장발생(type III failure)의 가능성을 증가시키는 효과도 존재한다. 이에 본 논문은 주기적 검사정책을 갖는 대기부품을 대상으로 세 종류의 고장 가능성을 확률적으로 고려하여 성능분석을 실시하였으며, 성능을 평가하는 척도로 극한가용성을 사용하였다. 특히 type III failure를 고려하는 것은 기존에 연구되지 않은 부분으로 본 논문의 기여점이라 할 수 있겠다. 또한 수치해석을 통해 가용성의 관점에서 전술한 세 가지 유형의 고장특성과 검사주기와의 관계를 파악할 수 있도록 하였으며, 그 결과를 통해 높은 수준의 신뢰성 확보가 목적인 대기시스템의 효율적인 운영을 위한 의사결정시 도움이 될 수 있도록 하였다.

• Proceedings of the KIEE Conference
• /
• 2008.10a
• /
• pp.147-148
• /
• 2008

본 논문에서는 154 kV 송전선포의 낙뢰고장기록과 선로주변의 낙뢰측정기륵을 분석하여 상관관계를 분식하였다. 낙뢰관측기록과 고장의 위치, 시각과 고장 메카니즘의 규명은 선로의 합리적인 대책수립에 유용한 정보를 제공할 수 있다. 6년간의 LPATS 및 KLDNet 관측기록과 송전고장기록을 이용하여 EMTP 해석모델과 뇌사고율 해석 S/W를 사용하여 뇌섬락 임계전류를 계산하고 뇌고장 유형을 분석 하였다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.332-333
• /
• 2011

국내의 변전소에서 가장 많은 비중을 차지하는 변전소가 154kV변전소이다. 154kV변전소는 전체가 통일된 표준복구절차서를 가지고 고장이 발생하였을 경우 복구를 하게 된다. 현재 154kV 변전소에서는 Relay에서 고장을 감지하여 차단기가 전원을 차단한 후 운전원이 판단해 복구를 하여 정상 운전 상태나 부하 전환 등의 방법으로 전원을 공급도록 소개를 하고 있다. 현재 한국전력에서 만든 SOP(Standard Operation Procedure)는 15가지 기본적인 유형에 대해서 복구절차를 소개하고 있다. 하지만 현복구절차서에서는 유형의 부족이나 각 변전소의 상황 등을 모두 표현을 하지 못한다. 본 논문에서는 중요하고 필요한 유형과 변전소의 운전상황에 대한 표현, 앞으로의 개선방안 등에 대해서 제시하고자 한다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.20 no.1
• /
• pp.163-169
• /
• 2020

Recently, research on automation and unmanned operation of machines in the industrial field has been conducted with the advent of AI, Big data, and the IoT, which are the core technologies of the Fourth Industrial Revolution. The machines for these automation processes are controlled based on the data collected from the sensors attached to them, and further, the processes are managed. Conventionally, the abnormalities of sensors are periodically checked and managed. However, due to various environmental factors and situations in the industrial field, there are cases where the inspection due to the failure is not missed or failures are not detected to prevent damage due to sensor failure. In addition, even if a failure occurs, it is not immediately detected, which worsens the process loss. Therefore, in order to prevent damage caused by such a sudden sensor failure, it is necessary to identify the failure of the sensor in an embedded system in real-time and to diagnose the failure and determine the type for a quick response. In this paper, a deep neural network-based fault diagnosis system is designed and implemented using Raspberry Pi to classify typical sensor fault types such as erratic fault, hard-over fault, spike fault, and stuck fault. In order to diagnose sensor failure, the network is constructed using Google's proposed Inverted residual block structure of MobilieNetV2. The proposed scheme reduces memory usage and improves the performance of the conventional CNN technique to classify sensor faults.