• Nuclear Engineering and Technology
• /
• 제52권9호
• /
• pp.1998-2008
• /
• 2020

Solenoid operated valves (SOV) play important roles in industrial process to control the flow of fluids. Solenoid valves can be found in so many industries as well as the nuclear plant. The ability to be able to detect the presence of faults and predicting the remaining useful life (RUL) of the SOV is important in maintenance planning and also prevent unexpected interruptions in the flow of process fluids. This paper proposes a fault diagnosis method for the alternating current (AC) powered SOV. Previous research work have been focused on direct current (DC) powered SOV where the current waveform or vibrations are monitored. There are many features hidden in the AC waveform that require further signal analysis. The analysis of the AC powered SOV waveform was done in the time and frequency domain. A total of sixteen features were obtained and these were used to classify the different operating modes of the SOV by applying a machine learning technique for classification. Also, a deep neural network (DNN) was developed for the prediction of RUL based on the failure modes of the SOV. The results of this paper can be used to improve on the condition based monitoring of the SOV.

• 디지털콘텐츠학회 논문지
• /
• 제19권4호
• /
• pp.789-799
• /
• 2018

이 논문에서는 이러한 산업 단지 시스템에서의 비정상적인 동작이 일어날 때, 시간 계열의 데이터를 분석하기 위하여 Big 데이터를 이용한 접근을 기반으로 하는 머신 러닝을 보여줍니다. Long Short-Term Memory (LSTM) 네트워크는 향상된 RNN버전으로서 입증되었으며 많은 작업에 유용한 도움이 되었습니다. 이 LSTM 기반 모델은 시간적 패턴뿐만 아니라 더 높은 레벨의 시간적 특징을 학습 한 다음, 미래의 데이터를 예측하기 위해 예측 단계에 사용됩니다. 예측 오차는 예측 인자에 의해 예측 된 결과와 실제 예상되는 값의 차이입니다. 오차 분포 추정 모델은 가우스 분포를 사용하여 관찰 스코어의 이상을 계산합니다. 이러한 방식으로, 우리는 하나의 비정상적 데이터의 개념에서 집단적인 비정상적 데이터 개념으로 바뀌어 갑니다. 이 작업은 실패를 최소화하고 제조품질을 향상시키는 Smart Factory의 모니터링 및 관리를 지원할 수 있습니다.

• 지질공학
• /
• 제18권4호
• /
• pp.447-457
• /
• 2008

절리면의 거칠기, 충전물 등의 공학적 특성과 활동면 경사, 수압하중을 고려하여 암반사면의 파괴거동을 고찰하고 파괴시기를 예측하기 위하여 모형실험이 수행되었다. 절리면 거칠기는 폭, 길이, 높이 등을 고려하여 톱니형으로 제작하였다. 충전물은 거칠기의 돌출부 높이에 대하여 일정한 충전물두께를 유지하는 방식으로 0에서 돌출부 높이의 1.2배까지 증가시켰다. 수압증가에 따른 사면의 거동양상을 파악하기 위해서는 인장균열에 완전히 가해질 수 있는 수압을 100%로 하여 0.5%/min 및 1%/min의 속도로 0%에서 파괴 시 까지 수압하중을 증가시켰다. 모형실험은 활동면 경사각 $30^{\circ}$와 $35^{\circ}$에서 각각 거칠기, 충전물 두께, 수압하중증가 등의 조합을 변화시키면서 총 50회 수행하였다. 모형실험결과 절리면의 거칠기가 없는 경우의 파괴거동 양상은 수압하중 증가 조건과 충전물의 유무에 관계없이 선형 변위거동으로 나타나는 것이 특징적이다. 거칠기가 존재할 경우에는 충전물 두께가 거칠기 높이보다 낮을 때 계단형 변위거동이, 거칠기 높이 이상일 때 지수형 변위거동이 특징적이다. 이는 충전물 두께가 거칠기의 높이를 넘어서면 절리면의 거동특성이 충전물의 공학적 특성에 좌우되기 때문인 것으로 판단된다. 파괴를 유발하는 수압하중의 크기는 절리면의 거칠기가 증가함에 따라 증가한다. 충전물의 두께가 증가할수록 거칠기의 영향이 작아져 파괴 시 수압하중은 감소한다 파괴가 임박한 시점에서 3차 크립 형태의 변위거동을 보이는 지수형의 경우에는 inverse velocity를 이용한 파괴시기 예측이 가능한 것으로 판단된다. 다만 실험에서 나타난 거동특성이 완전한 지수형이 아니고 계단형과 지수형의 중간형태로 나타나는 경우가 대부분이므로 정확한 파괴시기 예측을 위해서는 다수에 걸친 파괴시간 추정이 필요할 것으로 사료된다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2007년도 춘계학술대회논문집
• /
• pp.905-908
• /
• 2007

The purpose of this work is to obtain fundamental data about fatigue crack detection of the welded exhaust flange by using the AE method. The acoustic emission method as a nondestructive evaluation is one of high technical test for realtime monitoring in the dangerous industry fields. Signal analysis of both AE sensor and accelerometer for fatigue crack failure are presented in this paper.

• 대한기계학회논문집
• /
• 제19권8호
• /
• pp.1787-1798
• /
• 1995

Monitoring and diagnosis of the operating machine mean evaluating the condition of a machine such as the detection of the defects and the prediction of the time to failure in the machine elements, while it is running. In this study, a technique of automatic diagnosis using probability concept is studied and the analyses of the pattern comparison are introduced. An expert system, which is able to analyze the automatic identification of the multiple defects in the ball bearings, is also developed. Finally, to confirm the effectiveness of the programmed algorithms, some tests were made with specimens of the ball bearings involving the multiple defects. The proposed system reasonably predicts the defects.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2008년도 춘계학술대회 논문집
• /
• pp.964-968
• /
• 2008

Infrared thermography using high-speed infrared camera has been recognized as a powerful method for various potential applications, such as nondestructive inspection, failure analysis, stress analysis, and medical fields, due to non-contact, high-speed, and high spatial resolution at various temperature ranges. In this investigation, damage evolution due to generation of hot spots on railway brake disc was investigated using the infrared thermography method. A high-speed infrared camera was used to measure the surface temperature of brake disc as well as for in-situ monitoring of hot spot evolution. From the thermographic images, the observed hot spots and thermal damage of railway brake disc during braking operation were qualitatively analyzed. Moreover, in this investigation, the previous experimental and theoretical studies on hot spots phenomenon were reviewed, and the current experimental results were introduced and compared with theoretical prediction.

• 전기학회논문지
• /
• 제62권6호
• /
• pp.881-885
• /
• 2013

In this paper, we present a deterioration judgment model of urban rail power equipment using driving history, the frequency and number of failures. In addition, we have developed a deterioration judgment program based on the derived failure rate. A deterioration judgment model of power equipments on metro system was designed to establish how much environmental factors, such as thermal cycling, humidity, overvoltage and partial discharge. The deterioration rate of the transformers followed the Arrhenius log life versus reciprocal Kelvin temperature (hotspot temperature) relation. The deterioration judgment program is linked to the online condition monitoring system of urban railway system. The deterioration judgment program is based on the user interface it is possible to apply immediately to the urban rail power equipment.

• 항공우주시스템공학회지
• /
• 제8권4호
• /
• pp.7-17
• /
• 2014

Objective of this paper is to introduce a new technology known as prognostics and health management (PHM) which enables a real-time life prediction for safety critical systems under extreme loading conditions. In the PHM, Bayesian framework is employed to account for uncertainties and probabilities arising in the overall process including condition monitoring, fault severity estimation and failure predictions. Three applications - aircraft fuselage crack, gearbox spall and battery capacity degradation are taken to illustrate the approach, in which the life is predicted and validated by end-of-life results. The PHM technology may allow new maintenance strategy that achieves higher degree of safety while reducing the cost in effective manner.

• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.1-8
• /
• 2023

자동차의 주요 부품인 휠 베어링에 결함이 생기면 교통사고등 문제를 발생시켜 이를 해결하기 위해 빅데이터를 수집해서 예측진단 및 관리 기술을 통한 휠 베어링의 고장 유무 및 고장 유형을 조기에 알려 주는 알고리즘과 모니터링 시스템 개발이 필요하다. 본 논문에서는 이러한 지능형 휠 허브 베어링 정비 시스템 구현을 위해 신뢰성 및 건전성에 대한 모니터링용 센서 및 예측 진단하는 알고리즘이 탑재된 임베디드 시스템을 개발하였다. 사용된 알고리즘은 휠 베어링에 설치된 가속도 센서로부터 진동 신호를 취득하고 이를 신호 처리기법, 결함주파수 분석, 건전성 특징 인자정의 등의 과정을 빅데이터 기술을 통해 고장을 예측하고 진단할 수 있다. 구현된 알고리즘은 진동 주파수 성분들은 최소화하고 휠 베어링에서 발생하는 진동 성분을 극대화할 수 있는 안정 신호 추출 알고리즘을 적용하고, 필터를 활용한 노이즈 제거에서는 인공지능 기반의 건전성 추출 알고리즘을 적용하였으며, FFT를 통한 결함 주파수를 분석하여 고장 특성인자 추출을 통한 고장을 진단하였다. 본 시스템의 성능 목표는 12,800ODR 이상으로 시험 결과를 통해 목표치를 만족하였다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.