• 한국항해항만학회지
• /
• 제46권4호
• /
• pp.367-374
• /
• 2022

본 연구는 자율운항 선박의 연료 계통 펌프와 청정기를 대상으로 고장을 진단 사례를 제시하였다. 계측된 신호의 시간종속성을 반영한 심층학습(Deep learning) 알고리즘 적용 절차를 구성하고, 장비의 정상 운전상태와 고장 상태에서 계측한 진동 신호를 고장 패턴 학습에 사용하였다. 특히, 진동 신호에 내포된 열화의 시간 종속성을 반영할 수 있는 방법을 찾고자 하였으며, 슬라이딩 윈도우 연산 과정을 가진 Conv1D를 이용하여고장의 시간 종속성을 반영하였다. 또한 계측된 신호의 차수를 2차원에서 3차원으로 확장하여 시간 영역의 특징을 반영할 수 있는 데이터 전처리과정을 고안하였다. Conv1D 알고리즘의 적층과 변수를 결정하는 과정에서 그리드 탐색 기법을 사용하여 초매개변수의 최적 값을 결정하였다. 마지막으로 제안한 데이터 전처리 방법과 시계열 데이터의 시간 종속성을 반영한 Conv1D 모델이 이상 감지 및 고장 진단에 타당성이 있음을 확인하였다.

• 설비공학논문집
• /
• 제22권10호
• /
• pp.687-696
• /
• 2010

In this study, FDD algorithm was developed using the normalized distance method and general pattern classifier method that can be applied to constant air volume air handling unit(CAV AHU) system. The simulation model using TRNSYS and EES was developed in order to obtain characteristic data of CAV AHU system under the normal and the faulty operation. Sensitivity analysis of fault detection was carried out with respect to fault progress. When differential pressure of mixed air filter increased by more than about 105 pascal, FDD algorithm was able to detect the fault. The return air temperature is very important measurement parameter controlling cooling capacity. Therefore, it is important to detect measurement error of the return air temperature. Measurement error of the return air temperature sensor can be detected at below $1.2^{\circ}C$ by FDD algorithm. FDD algorithm developed in this study was found to indicate each failure modes accurately.

• 콘크리트학회논문집
• /
• 제21권5호
• /
• pp.599-609
• /
• 2009

2층 규모의 철근콘트리트조 및 포스트텐션조 무량판구조를 1/3 스케일로 축소하여 제작한 실험체의 진동대 실험 결과를 바탕으로 무량판구조의 모델링 기법을 향상하고자 하는 연구를 수행하였다. 이 연구에서 적용한 모델링 방법은 슬래브의 휨모멘트에 의한 휨파괴, 불균형모멘트의 전달에 의한 휨파괴 및 펀칭전단파괴에 의한 슬래브-기둥 접합부의 모멘트 전달능력 상실등의 영향을 반영하는 매우 포괄적인 구조해석 방식이다. 펀칭전단파괴에 대해서는 중력비와 층간변위각에 기초한 한계상태 모델이 적용되었다. 이 논문에서 제안된 비선형 모델은 무량판구조의 진동대 실험 결과와 잘 부합하는 것으로 나타났다.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2021년도 가을 학술논문 발표대회
• /
• pp.223-224
• /
• 2021

The process before the model learning stage in AI R&D can be subdivided into data collection/cleansing-data purification-data labeling. After that, according to the purpose of development, it goes through a stage of verifying the model by performing learning by using the algorithm of the artificial intelligence model. Several studies describe an important part of AI research as the learning stage, and try to increase the accuracy by changing the structure and layer of the AI model. However, if the refinement and labeling process of the learning data is tailored only to the model format and is not made for the purpose of development, the desired AI model cannot be obtained. The latest research reveals that most AI research failures are the failure of the learning data rather than the structure of the AI model. analyzed.

• 전자공학회논문지S
• /
• 제35S권1호
• /
• pp.29-38
• /
• 1998

We summarize, in this paper, that we have learned from the slftwar reliability analysis of a large switching software composed of functional blocks which form slotware units. To determine the time of management activity related to sopftware reliability growth, we review the process of detection and correction of software failures. Also we apply the two softwre reliability frowth model, Goel-Okumoto and S-shaped model, to estimate the global software reliability growth to a set of failure found during period of the system test. The analysis methods and results can be applied to other large software development projects.

• 품질경영학회지
• /
• 제37권4호
• /
• pp.16-22
• /
• 2009

The inflection S-shaped software reliability growth model (SRGM) proposed by Ohba(1984) is one of the most commonly used models and has been discussed by many authors. The main purpose of this paper is to estimate the parameters of Ohba's SRGM within the Bayesian framework by applying the Markov chain Monte Carlo techniques. While the maximum likelihood estimates for these parameters are well known, the Bayesian method for the inflection S-shaped SRGM have not been discussed in the literature. The proposed methods can be quite flexible depending on the choice of prior distributions for the parameters of interests. We also compare the Bayesian methods with the maximum likelihood method numerically based on the real data.

• Communications for Statistical Applications and Methods
• /
• 제15권3호
• /
• pp.387-402
• /
• 2008

본 연구에서는 장기간 보관 중인 장비의 신뢰도를 유지하기 위한 2단계 주기적 검사모형을 제안하였다. 제안된 모형은 불완전한 간이검사와 완전한 정밀검사를 단계적으로 사용하여 고장이 발견되거나 검사 후 저장신뢰도가 미리 정해진 값 이하로 떨어질 때 장비에 대한 오버홀을 수행한다. 제안된 모형을 사용하여 오버홀까지의 단위시간당 기대비용을 유도하고 이를 최소화하기 위한 절차를 구하였으며, 고장시간이 지수분포 및 와이블분포를 따를 경우 제안된 모형을 1단계 주기적 검사모형과 비용함수의 다양한 모수값에 대하여 비교하였다. 또한 실제 운용 중인 유도탄 시스템에 제안된 검사정책을 적용하여 현재 사용 중인 검사정책과의 비교를 수행하였다.

• 정보보호학회논문지
• /
• 제31권6호
• /
• pp.1105-1114
• /
• 2021

최근 급상승한 암호 화폐의 인기로 인해 암호 화폐 채굴 악성코드인 크립토재킹 위협이 증가하고 있다. 특히 웹 기반 크립토재킹은 피해자가 웹 사이트에 접속만 하여도 피해자의 PC 자원을 사용해 암호 화폐를 채굴할 수 있으며 간단하게 채굴 스크립트만 추가하면 되기 때문에 공격이 쉽고 성능 열화와 고장의 원인이 된다. 크립토재킹은 피해자가 피해 상황을 인지하기 어렵기 때문에 크립토재킹을 효율적으로 탐지하고 차단할 수 있는 연구가 필요하다. 본 연구에서는 크립토재킹의 대표적인 감염 증상과 스크립트를 지표로 활용하여 효과적으로 크립토재킹을 탐지하는 프레임워크를 제안하고 평가한다. 제안한 크립토재킹 탐지 프레임워크에서 행위 기반 동적 분석 기법으로 컴퓨터 성능 지표를 학습한 K-Nearest Neighbors(KNN) 모델을 활용했고, 스크립트 유사도 기반 정적 분석 기법은 악성 스크립트 단어 빈도수를 학습한 K-means 모델을 크립토재킹 탐지에 활용했다. 실험 결과에 따르면 KNN 모델은 99.6%의 정확도를 보였고, K-means 모델은 정상 군집의 실루엣 계수가 0.61인 것을 확인하였다.

• 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.

• Nuclear Engineering and Technology
• /
• 제47권3호
• /
• pp.332-339
• /
• 2015

The leak before break (LBB) concept is widely used in designing pipe lines in nuclear power plants. According to the concept, the amount of leaking liquid from a pipe should be more than the minimum detectable leak rate of a leak detection system before catastrophic failure occurs. Therefore, accurate estimation of the leak rate is important to evaluate the validity of the LBB concept in pipe line design. In this paper, a program was developed to estimate the leak rate through circumferential cracks in pipes in nuclear power plants using the Henry-Fauske flow model and modified Henry-Fauske flow model. By using the developed program, the leak rate was calculated for a circumferential crack in a sample pipe, and the effect of the flow model on the leak rate was examined. Treating the crack morphology parameters as random variables, the statistical behavior of the leak rate was also examined. As a result, it was found that the crack morphology parameters have a strong effect on the leak rate and the statistical behavior of the leak rate can be simulated using normally distributed crack morphology parameters.