• 에너지공학
• /
• 제11권1호
• /
• pp.18-25
• /
• 2002

침부식 (FAC, Flow-Accelerated Corrosion)에 의한 감육 문제는 원자력 발전소 배관관리에 있어서 매우 중요하다. 특히 FAC는 배관 내부 유체의 pH, 용존산소 농도, 유체 온도, 유속 및 습증기 분율 등과 배관의 형상 및 재료 등의 특정 조건에서만 발생하므로, FAC 문제를 관리하기 위해서는 체계적인 접근이 필요하다. 본 연구에서는 국내 특정 CANDU원전의 2차계통 배관을 대상으로 관련 데이터베이스 구축, 구축된 데이터베이스를 이용한 FAC감육율의 예측 및 배관 잔여수명의 평가 등을 수행하였다. 또한 FAC 발생기구 및 FAC에 영향을 주는 요인에 대해서도 조사하였다. 습분분리기와 플래시탱크 사이 배관 라인의 해석 예로부터 FAC 문제를 관리하는 방안을 제시하였다. 제시된 방안은 국내 다른 원자력발전소의 배관 관리에도 활용될 수 있을 것이다.

• 산업경영시스템학회지
• /
• 제43권2호
• /
• pp.48-55
• /
• 2020

Recently, a study of prognosis and health management (PHM) was conducted to diagnose failure and predict the life of air craft engine parts using sensor data. PHM is a framework that provides individualized solutions for managing system health. This study predicted the remaining useful life (RUL) of aeroengine using degradation data collected by sensors provided by the IEEE 2008 PHM Conference Challenge. There are 218 engine sensor data that has initial wear and production deviations. It was difficult to determine the characteristics of the engine parts since the system and domain-specific information was not provided. Each engine has a different cycle, making it difficult to use time series models. Therefore, this analysis was performed using machine learning algorithms rather than statistical time series models. The machine learning algorithms used were a random forest, gradient boost tree analysis and XG boost. A sliding window was applied to develop RUL predictions. We compared model performance before and after applying the sliding window, and proposed a data preprocessing method to develop RUL predictions. The model was evaluated by R-square scores and root mean squares error (RMSE). It was shown that the XG boost model of the random split method using the sliding window preprocessing approach has the best predictive performance.

• 산업경영시스템학회지
• /
• 제44권4호
• /
• pp.1-11
• /
• 2021

Recently, the importance of preventive maintenance has been emerging since failures in a complex system are automatically detected due to the development of artificial intelligence techniques and sensor technology. Therefore, prognostic and health management (PHM) is being actively studied, and prediction of the remaining useful life (RUL) of the system is being one of the most important tasks. A lot of researches has been conducted to predict the RUL. Deep learning models have been developed to improve prediction performance, but studies on identifying the importance of features are not carried out. It is very meaningful to extract and interpret features that affect failures while improving the predictive accuracy of RUL is important. In this paper, a total of six popular deep learning models were employed to predict the RUL, and identified important variables for each model through SHAP (Shapley Additive explanations) that one of the explainable artificial intelligence (XAI). Moreover, the fluctuations and trends of prediction performance according to the number of variables were identified. This paper can suggest the possibility of explainability of various deep learning models, and the application of XAI can be demonstrated. Also, through this proposed method, it is expected that the possibility of utilizing SHAP as a feature selection method.

• 한국안전학회지
• /
• 제14권1호
• /
• pp.216-221
• /
• 1999

전력용 케이블은 전선로의 지중화 추세에 따라 사용이 증가하고 있다. 케이블 절연체의 경우 장기간의 전압인가에 의해 열화 및 절연파괴 된다. 전력용 케이블의 절연파괴시 발생하는 사회/경제적 문제는 매우 심각한 것으로 알려져 있다. 절연체의 열화에 영향을 주는 요인은 매우 복잡하지만 그중에서도 전기트리 열화에 의한 파괴는 비교적 두꺼운 고체 유전체인 경우에 절연파괴 사고의 주된 원인이 되고 있다. 전기트리의 개시나 진전시 부분방전이 발생하므로 부분방전의 검출에 의해 전기트리의 발생 및 진전 양상을 관측할 수 있고 부분방전의 해석에 의해 절연재료의 잔여 수명을 예측할 수 있다. 본 논문에서는 고전압 전력용 케이블 절연재로써 광범위하게 사용되고 있는 저밀도 폴리에틸렌 시편에서의 전기트리 진전 양상을 비파괴 진단 기법에 의하여 검출하고자 내부 부분방전을 관측/해석하였다.

• Journal of Hospice and Palliative Care
• /
• 제11권2호
• /
• pp.99-105
• /
• 2008

목적: 본 연구에서는 호스피스 병동에 입원한 말기 암 환자들을 대상으로 임상적으로 보다 정확한 잔여 수명을 예측하고자 임종의 시기에 객관적으로 임상적 증상 및 징후들의 변화를 관찰하였다. 방법: 강남성모병원 호스피스센터를 방분한 말기 암 환자를 대상으로 입원 시부터 임종까지 말기에 흔히 나타나는 증상과 신체적 징후의 변화를 관찰하였다. 증상의 정도는 $0{\sim}3$점수화하였으며 신체적 징후는 있다 또는 없다로 구분하였다. 이밖에 활력증후와 통증 정도, 진통제 사용을 관찰하였다. 결과: 호흡곤란, 혼수의 증상은 입원 시와 비교해서 임종 $1{\sim}2$일 전에 악화되었다. 대상자의 활동 수행 능력은 임종 시간이 가까워질수록 점진적으로 감소하였고, 섭취량과 소변 배설량도 줄어들었다. 특히 임종 $1{\sim}2$2일 전부터 현저하게 혈압이 감소하였다. 임종 시점을 기준으로 시기에 따라 증상의 변화가 유의하게 나타난 임상 지표는 활동수행 능력, 수축기 혈압, 구강건조증, 식욕저하, 쇠약감, 변비, 황달, 부종, 욕창, 호흡곤란, 진정, 혼수, 청색증, 호흡이상, 가래 끓는 소리, 눈을 뒤로 젖힘 등이었다. 결론: 말기 암 환자에서 수축기 혈압의 감소, 호흡곤란, 진정, 혼수, 청색증, 호흡이상, 가래 끓는 소리, 눈을 뒤로 젖힘 등의 증상이 나타나면 임종이 임박했음을 예상하여 가족들과 환자가 준비할 수 있도록 해야 하며, 의료진도 임종에 관한 돌봄을 시행하도록 해야 한다.

• 한국지능시스템학회논문지
• /
• 제24권6호
• /
• pp.651-656
• /
• 2014

부식결함은 가스배관의 신뢰성평가 및 정비계획에 유의한 영향을 미친다. 부식결함은 정기적인 ILI를 통해 수집할 수 있지만 ILI 데이터의 효과적인 분석은 아직 미흡한 실정이다. 본 논문은 부식결함이 존재할 때 가스배관의 잔여수명을 예측하는 문제를 다룬다. 실제 운용 환경에서 배관 파라미터는 불확실성의 영향 하에 놓이게 되므로 확률적인 접근방법을 채택한다. 배관의 고장은 그 운용압력이 배관파열압력보다 클 때 발생하는 것으로 볼 수 있다. 따라서 배관의 고장확률은 운용압력이 배관파열압력보다 클 확률로서 정의된다. 이를 계산하기 위해 본 논문에서는 구조공학 분야에서 널리 쓰이는 First Order Reliability Method (FORM) 알고리즘을 이용한다. 배관파열압력을 얻기 위한 모델은 잘 알려진 Battelle 코드를 채택한다. ILI 데이터가 주어질 때 고장확률을 계산하는 과정은 Matlab GUI를 통해 제시하고 특히 부식결함의 클러스터링이 계산결과에 미치는 영향을 논의한다. 본 논문의 결과는 고장확률 추정의 정밀도를 높이고 효율적인 정비정책을 수립하는데 적절한 클러스터링이 필요함을 시사한다.