• International Journal of Reliability and Applications
• /
• 제2권1호
• /
• pp.57-71
• /
• 2001

Global competition to increase production output and to improve quality is spurring manufacturing companies to use condition monitoring and fault diagnostic systems for predictive maintenance. As monitoring, testing, and measuring techniques develop, predictive control of components and complete systems have become more practical and affordable. In this article, we will consider the computer based data acquisition system for condition monitoring and the condition parameter analysis techniques for fault detection and diagnostics in the machinery and briefly discuss reliability prediction and the limit value determination in condition monitoring.

• 한국정밀공학회지
• /
• 제14권11호
• /
• pp.147-153
• /
• 1997

Fault diagnosis technique in machining system which is one of engineering techniques absolutely necessary to automation of manufacturing system has been proposed. As a whole, diagnosis process is explained by two steps: sensor data acquisition and reasoning current state of system with the given sensor data. Flexible disk grinding process implemented in milling machine was employed in order to obtain empirical manufacturing process information. Resistance force data during machining were acquired using tool dynamometer known as sensor which is comparably accurate and reliable in operation. Tool status during the process was analyzed using influnece diagram assigning probability from the statistical analysis procedure.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제51권5호
• /
• pp.175-181
• /
• 2002

In this paper, fault tolerant digital governor is designed to realize ceaseless controlling and to improve the reliability of control system. Designed digital governor huts duplex I/O module and triplex CPU module and also 2 out of 3 voting algorithm and self diagnostic ability. The Processor module of the system(SIDG-3000) is developed based on 32 Bit industrial microprocessor, which guaranteed high quality of the module and SRAM for data also SRAM for command are separated. The process module also includes inter process communication function and power back up function (SRAM for back-up). System reliability is estimated by using the model of Markov process. It is shown that the reliability of triplex system in mission time can be dramatically improved compared with a single control system Designed digital governor system is applied after modelling of the steam turbine generator system of Buk-Cheju Thermal Power Plant. Simulation is carried out to prove the effectiveness of the designed digital governor system

• 한국항공운항학회지
• /
• 제16권2호
• /
• pp.1-11
• /
• 2008

Increasing demand for improved reliability and survivability of mission-critical systems is driving the development of health monitoring and Automated Contingency Management (ACM) systems. An ACM system is expected to adapt autonomously to fault conditions with the goal of still achieving mission objectives by allowing some degradation in system performance within permissible limits. ACM performance depends on supporting technologies like sensors and anomaly detection, diagnostic/prognostic and reasoning algorithms. This paper presents the development of a generic prototype test bench software framework for developing and validating ACM systems for advanced propulsion systems called the Propulsion ACM (PACM) Test Bench. The architecture has been implemented for a Monopropellant Propulsion System (MPS) to demonstrate the validity of the approach. A Simulink model of the MPS has been developed along with a fault injection module. It has been shown that the ACM system is capable of mitigating the failures by searching for an optimal strategy. Furthermore, the concepts of Validation and Verification (V&V) of such systems are introduced with relevant examples.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2008년도 하계학술대회 논문집 Vol.9
• /
• pp.473-474
• /
• 2008

This paper proposes that the relative transmittance and emission intensity measured via optical emission spectroscopy (OES) is a useful for fault detection of reactive ion etch process. With the increased requests for non-invasive as well as real-time plasma process monitoring for fault detection and classification (FDC), OES is suggested as a useful diagnostic tool that satisfies both of the requirements. Relative optical transmittance and emission intensity of oxygen plasma acquired from various process conditions are directly compared with the process variables, such as RF power, oxygen flow and chamber pressure. The changes of RF power and Pressure are linearly proportional to the emission intensity while the change of gas flow can be detected with the relative transmittance.

• 한국철도학회논문집
• /
• 제18권5호
• /
• pp.439-446
• /
• 2015

분기기 시스템은 열차진로방향을 결정하는 핵심 시스템이면서 가장 취약한 시스템이다. 이 시스템의 고장은 열차지연 및 인명사고로 이어질 수 있어 항상 상태를 정밀하게 진단해야할 필요성이 크다. 기존 한국 철도에서는 이를 위해 독일의 로드마스터가 운용되고 있지만, 국내 철도 환경에 적합한 유지보수를 통한 최적의 분기기 시스템 운영을 위해서 새로운 분기기 진단 시스템의 개발이 요구된다. 본 논문에서는 대표적인 분기기 시스템 고장에 대한 FTA를 수행하고, 각 부품 및 기능에 따라 고장 원인이 될 수 있는 물리량을 분류하였다. 이를 기반으로 모니터링을 위한 측정인자 도출과 함께 의사 결정 방안을 제시하여, 기존 시스템보다 상세한 데이터들을 제공할 수 있는 새로운 분기기 진단 시스템을 제안하였다.

• 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.

• 대한기계학회논문집A
• /
• 제38권2호
• /
• pp.205-210
• /
• 2014

기계시스템의 결함을 진단하기 위한 방법으로 패턴인식 기법이 널리 사용되고 있다. 진동신호의 변화를 감지하여 기계시스템의 건전성을 판단하는 방법이 패턴인식 기법이다. 대표적 패턴 인식기법으로 최근 은닉 마르코프 모델과 인공신경망이 여러 분야에서 사용되고 있다. 본 연구에서는 결함진단에 은닉 마르코프 모델과 인공신경망을 혼합한 방법이 제시되었으며 결함진단 대상 구조물로는 크랙을 가진 회전하는 풍력터빈 블레이드가 선정되었다. 본 연구에서는 크랙발생 여부뿐만 아니라 그 위치 및 크기도 동시에 진단하고자 하였다. 아울러서 본 연구에서는 일정 주파수들을 갖는 모멘트를 대상 구조물에 가함으로써 외부 잡음에도 불구하고 높은 결함진단 확률을 가질 수 있도록 하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제5권9호
• /
• pp.275-284
• /
• 2016

원자력분야에서 사용되는 안전관련 소프트웨어는 계획단계부터 설치단계까지의 전 생명주기 공정을 통해 개발과 확인검증, 안전성 분석, 그리고 품질보증 활동을 수행해 소프트웨어의 안전성을 보장하고 있다. 그러나 이러한 개발과 검증공정을 통한 평가는 시간과 비용을 많이 필요로 한다. 또한, 소프트웨어의 품질을 향상시키기 위해 다양한 활동을 수행했다고 주장하지만, 어느 정도의 품질이 향상되었는지 확인하기에는 한계가 있다. 이러한 한계를 극복하기 위해서 정량적인 평가를 수행할 수 있는 소프트웨어 신뢰도 계산 방법을 제안한다. 특히, 소프트웨어가 사용하는 메모리 공간에 고장을 주입하여 소프트웨어의 고장을 모사하고, 주입된 고장에 가중치를 부여하여 고장 민감도에 차이를 두고, 감지능력을 평가하여 소프트웨어 고장율을 계산한다. 이러한 고장율을 활용하여 소프트웨어 신뢰도 계산을 수행하면 정량적인 평가결과를 획득할 수 있게 된다.

• 대한임베디드공학회논문지
• /
• 제19권3호
• /
• pp.151-158
• /
• 2024

Although on-device artificial intelligence (AI) has gained attention to diagnosing machine faults in real time, most previous studies did not consider the model retraining and redeployment processes that must be performed in real-world industrial environments. Our study addresses this challenge by proposing an on-device AI-based real-time machine fault diagnosis system that utilizes continual learning. Our proposed system includes a lightweight convolutional neural network (CNN) model, a continual learning algorithm, and a real-time monitoring service. First, we developed a lightweight 1D CNN model to reduce the cost of model deployment and enable real-time inference on the target edge device with limited computing resources. We then compared the performance of five continual learning algorithms with three public bearing fault datasets and selected the most effective algorithm for our system. Finally, we implemented a real-time monitoring service using an open-source data visualization framework. In the performance comparison results between continual learning algorithms, we found that the replay-based algorithms outperformed the regularization-based algorithms, and the experience replay (ER) algorithm had the best diagnostic accuracy. We further tuned the number and length of data samples used for a memory buffer of the ER algorithm to maximize its performance. We confirmed that the performance of the ER algorithm becomes higher when a longer data length is used. Consequently, the proposed system showed an accuracy of 98.7%, while only 16.5% of the previous data was stored in memory buffer. Our lightweight CNN model was also able to diagnose a fault type of one data sample within 3.76 ms on the Raspberry Pi 4B device.