• Tribology and Lubricants
• /
• 제36권6호
• /
• pp.297-306
• /
• 2020

This paper reviews studies on the types and functions of oil sensors used for machine condition monitoring. Machine condition monitoring is essential for maintaining the reliability of machines and can help avoid catastrophic failures while ensuring the safety and longevity of operation. Machine condition monitoring involves several components, such as compliance monitoring, structural monitoring, thermography, non-destructive testing, and noise and vibration monitoring. Real-time monitoring with oil analysis is also utilized in various industries, such as manufacturing, aerospace, and power plants. The three main methods of oil analysis are off-line, in-line, and on-line techniques. The on-line method is the most popular among these three because it reduces human error during oil sampling, prevents incipient machine failure, reduces the total maintenance cost, and does not need complicated setup or skilled analysts. This method has two advantages over the other two monitoring methods. First, fault conditions can be noticed at the early stages via detection of wear particles using wear particle sensors; therefore, it provides early warning in the failure process. Second, it is convenient and effective for diagnosing data regardless of the measurement time. Real-time condition monitoring with oil analysis uses various oil sensors to diagnose the machine and oil statuses; further, integrated oil sensors can be used to measure several properties simultaneously.

• 한국진공학회:학술대회논문집
• /
• 한국진공학회 2009년도 제38회 동계학술대회 초록집
• /
• pp.413-413
• /
• 2010

In semiconductor manufacturing field, all equipments have various sensors to diagnosis the situations of processes. For increasing the accuracy of diagnosis, hundreds of sensors are emplyed. As sensors provide millions of data, the process diagnosis from them are unrealistic. Besides, in some cases, the results from some data which have same conditions are different. We want to find some information, such as data and knowledge, from the data. Nowadays, fault detection and classification (FDC) has been concerned to increasing the yield. Certain faults and no-faults can be classified by various FDC tools. The uncertainty in semiconductor manufacturing, no-faulty in faulty and faulty in no-faulty, has been caused the productivity to decreased. From the uncertainty, the rough set theory is a viable approach for extraction of meaningful knowledge and making predictions. Reduction of data sets, finding hidden data patterns, and generation of decision rules contrasts other approaches such as regression analysis and neural networks. In this research, a RGB sensor was used for diagnosis plasma instead of optical emission spectroscopy (OES). RGB data has just three variables (red, green and blue), while OES data has thousands of variables. RGB data, however, is difficult to analyze by human's eyes. Same outputs in a variable show different outcomes. In other words, RGB data includes the uncertainty. In this research, by rough set theory, decision rules were generated. In decision rules, we could find the hidden data patterns from the uncertainty. RGB sensor can diagnosis the change of plasma condition as over 90% accuracy by the rough set theory. Although we only present a preliminary research result, in this paper, we will continuously develop uncertainty problem solving data mining algorithm for the application of semiconductor process diagnosis.

• 항공우주시스템공학회지
• /
• 제13권2호
• /
• pp.26-33
• /
• 2019

인공위성 구동기로 사용되는 제어 모멘트 자이로(CMG)는 자신의 김블을 조종하여 큰 토크를 생성한다. 각각의 김블은 고속으로 회전하는 휠을 받치고 있기 때문에 휠의 질량 불균형은 외란을 발생시키게 되고 위성의 자세제어 성능을 저하시킨다. 따라서 구동기 고장을 대비하기 위해 외란을 진단하고 식별할 필요가 있다. 외란을 진단하기 위해 상태 관측기를 이용한 방법을 적용하였다. 본 논문에서는 2차 슬라이딩 모드 관측기를 이용하여 CMG의 단일 외란/고장을 탐지하였다. 또한 4개의 CMG가 설치되어 있는 위성 시뮬레이터를 이용하여 이 알고리즘을 검증하였다.

• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.23-35
• /
• 2021

제4차 산업혁명 선언 이후 생산 제조 기술과 정보통신기술(ICT)이 융합된 스마트 팩토리가 큰 주목을 받고 사물인터넷(IoT) 기술 및 빅데이터 기술 등이 발전하면서 생산 시스템의 자동화가 가능해졌다. 고도화된 제조 산업에서 생산 시스템에는 예정되지 않은 성능 저하 및 가동 중지 발생 가능성이 존재하며, 가능한 한 빨리 잠재적인 오류를 감지하여 이를 복구해 안전 위험을 줄여나가야 한다는 요구가 있다. 본 연구는 유압 시스템에 부착된 다중 센서 데이터를 기반으로 장비의 고장 예측과 이상 발생 시점 예측을 결합하여 제조 설비 이상탐지를 위한 지도학습 및 비지도학습 모델을 설계한다. 지도학습 분석 방법으로 XGBoost, LightGBM, CNN 모델의 정확도를 비교하였다. 혼동행렬 기반의 평가지표를 통해 LightGBM의 예측력이 97%로 가장 우수한 것을 확인하였다. 또한 비지도 학습 분석 방법으로 MD, AE, LSTM-AE 모델을 구축하여 각 모델을 비교 분석한 결과 LSTM-AE 모델이 이상패턴을 75% 감지하여 가장 우수한 성능을 보였다. 본 연구는 지도학습과 비지도학습 기법을 종합하여 설비의 고장여부를 정확하게 진단하고 이상상황이 발생하는 시점을 예측함으로써 이상상황에 대한 선제대응을 할 수 있는 기반을 마련하여 스마트 팩토리 고도화에 기여하고자 한다.

• 한국시뮬레이션학회논문지
• /
• 제25권1호
• /
• pp.35-43
• /
• 2016

자동차 산업에서 임베디드 시스템의 비중이 증가하면서, 임베디드 시스템의 불량 검출과 평가를 위한 시험 방법들이 연구되고 있다. 하드웨어 인 더 루프 시뮬레이션은 실시간 임베디드 시스템의 개발 및 시험을 위해서 사용되는 시험 방법이다. 본 연구는 자동차에서 사용되는 임베디드 시스템인 ECU의 하드웨어 인더 루프 시뮬레이션 방법에 대해서 정의한다. 이 방법은 실제 차량 데이터를 기반으로 ECU에게 가상차량환경을 제공할 수 있는 시험 모델을 작성할 수 있다. 시험 모델은 시험기로부터 ECU에게 센서 신호와 CAN 메시지를 모사할 수 있는 참조 정보를 가진다. 본 연구의 하드웨어 인 더 루프 시뮬레이션은 목표한 ECU의 불량을 검출할 수 있다.

• 한국항해항만학회지
• /
• 제27권1호
• /
• pp.97-102
• /
• 2003

와이어 로프는 엘리베이트, 건설현장의 리프트, 현수교 등 다양한 산업 현장에 응용되어 지고 있다. 특히, 크레인의 와이어 로프는 컨테이너 이송에 중용한 요소로서 컨테이너 이송 시 로프에 결함이 발생한다면 안전사고, 생산성 저하에 따른 경제력 손실 그리고 컨테이너 터미널의 경쟁력 손실 등 여러 가지 문제점이 초래된다. 이러한 문제점을 해결하기위해 원격 크레인 와이어 로프 결함 탐지 시스템을 개발하였으며, 본 시스템은 크게 결함 탐지부, 신호 처리부, 원격 모니터링부로 구성되어져 있다. 측정된 신호는 외부적 환경으로부터 노이즈를 가지게 되는데 원신호로부터 이러한 노이즈를 제거하기 위하여 이산 웨이브렛 변환을 적용하였다. 그 결과 와이어 로프 결함을 탐지하는데 있어서 좀더 쉽게 결함을 판별할 수 있었다. 결론적으로 이러한 시스템의 개발은 와이어로프의 교체 시기 연장으로 항만의 비용을 절감할 수 있으며, 경쟁력 향상 그리고 엘리베이터, 리프트 등 다양한 산업현장에 이러한 시스템을 적용할 수 있다.

• 비파괴검사학회지
• /
• 제36권3호
• /
• pp.195-201
• /
• 2016

금속성부품의 자동화 생산라인 상에서 결함검사는 통상 시스템 가격이 합리적이고 고속검사가 가능한 와전류검사(ECT, eddy current testing) 기법이 많이 사용된다. 이러한 금속성 피검사체 가운데 특별히 스플라인 샤프트(spline shaft)의 스플라인 기어부(spline gear)와 같이 표면이 고르지 못한 피검사 대상에 대하여 ECT검사를 적용할 경우 주파수 분포도가 유사하면서 동시에 상대적으로 큰 표면신호로 인해 센서로부터 획득한 원신호와 결함에 의해 발생한 신호를 분리해내기가 어렵다. 이러한 스플라인 기어부의 결함신호 검출을 용이하게 하기 위해서는 주변 잡음신호에서 결함신호만을 구분해낼 수 있는 고차필터의 구현이 필수적이고 동시에 각 생산라인과 피검사체의 상황에 따라 필터의 통과대역을 조절할 수 있어야 한다. 이러한 통과대역 조절이 가능한 고차필터 구현을 위해 디지털 방식 중 하나인 IIR (infinite impulse filter) 필터에 의한 구현방안을 검토하고, 신호검출을 위해 시스템 레벨에서 설계요소들의 최적화를 통해 결함신호검출을 시도하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 춘계학술대회
• /
• pp.255-257
• /
• 2017

오늘날 자동차 시장에는 다양한 IT기술이 포함된 모델들이 출시되고 있다. 대표적으로 테슬라 사의 테슬라 모델S, 구글의 무인자동차 등이 속속 등장 하고 있다. 이렇게 IT 기술이 포함된 자동차는 운전자에게 다양한 편의성을 제공하고 제공되는 편의만큼 운전자들은 다양한 혜택을 누리고 있다. 하지만 이와 반대로 전자부품의 결함이나 오류로 인해 운전자들의 안전을 위협하는 사고의 발생이 일어나고 있는 것 또한 사실이다. 이러한 사고들 가운데 자동차 급발진 사고가 존재한다. 아직까지 자동차 급발진 사고의 원인은 뚜렷하지 않으나 자기장에 의한 ECU장치가 오류를 일으켜 자동차 급발진 사고가 발생한다는 주장이 가장 신뢰 받고 있다. 하지만 한국의 경우 자동차 급발진 사고가 일어날시 자동차 제조사 측에서는 단순히 운전자의 페달 조작 미스로 인해 사고가 일어났다고 주장하는 경우가 많으며, 운전자 측에서는 그에 대해 반박할 근거가 부족해 대부분의 운전자들이 책임을 지고 있다. 따라서 본 논문에서는 자동차 급발진 사고가 운전자의 페달 조작 실수인지 자동차의 장치 결함인지를 판별할 수 있도록 운전자의 페달 조작 영상을 획득하고 엑셀, 브레이크 등 제어부에 센서를 부착하여 정밀한 데이터를 획득, 저장하고 모니터링 할 수 있는 시스템을 구현 하였다.