• 한국방재학회 논문집
• /
• 제7권5호
• /
• pp.79-88
• /
• 2007

본 연구에서는 강우량 자체 및 확률강우량의 통계학적 정상성을 판단하였다. 사계열의 정상성을 판단하는 대표적인 방법인 Cox-Stuart의 추세검정과 Dickey-Fuller의 단위근 검정 방법이 적용되었으며, 특히 확률 강우량의 정상성 평가상의 문제점을 평가하였다. 결과적으로, 먼저 서울지점 강우량 자료에 대한 분석에서는 강우량이 증가하거나 감소하는 추세가 없다는 판단을 할 수 있었고, 아울러 단위근 검정에서도 정상적인 시계열이라는 결론을 얻을 수 있었다. 그러나 Cox-Stuart 검정에 의하면 확률강우량이 전체적으로 어떤 상승 또는 하향의 추세가 있는지에 대해서 일관된 판단을 하기가 어려졌다. 그러나 Dickey-Fuller의 단위근 검정에서는 확률강우량이 비정상시계열임을 판단할 수 있었다. 이러한 결과는 근본적으로 강우량과 확률강우량의 차이에서 비롯된 것이다. 즉, 강우는 무작위 변량으로서 어떤 경향성이나 비정상성을 찾기 힘들다. 반대로 확률강우량은 계산시점까지 관측된 모든 자료를 고려하여 추정되므로 전 후의 값의 상관성이 매우 커지게 된다. 즉, 정상시계열인 강우자료가 연속적으로 추가되며 확률강우량이 추정되므로 전 값이 높은 상관성이 가능하다, 따라서 확률강우량이 비정상 시계열로 판단되는 것은 본 연구에서 적용된 판단기법으로는 당연한 결과라 할 수 있다.

• 한국산업정보학회논문지
• /
• 제23권5호
• /
• pp.19-32
• /
• 2018

본 논문은 연속형 내부재고를 갖는 M/M/1 대기행렬모형을 다룬다. 고객은 포아송과정으로 도착하고 선입선출 서비스를 받는다. 각 고객의 서비스시간은 독립적이며 동일한 지수분포를 따른다. 고객은 서비스를 받기 위해 일반분포를 따르는 확률변수 H의 내부재고를 소비하며, 서비스 완료시점에 감소한다고 가정한다. 재고시스템은 전통적인 (s,S)-정책에 따라 운용되며, 재고의 조달 시간은 일반분포를 따른다고 가정한다. 재고가 없는 기간에 도착한 고객은 유실된다. 본 논문은 이처럼 운영되는 재고-대기행렬모형의 고객수 및 재고량에 대한 안정상태 결합확률분포를 유도하고 수치예를 보인다. 또한 장기적인 비용을 최소화하는 재고운용정책을 고찰한다.

• 한국항해항만학회지
• /
• 제46권3호
• /
• pp.280-288
• /
• 2022

본 연구는 정상 가동 중에도 회전수가 변하는 기기의 이상 및 고장 진단 방안을 다루고 있다. 회전수가 변함에 따라 비정상적 시계열 특성을 내포한 센서 데이터에 기계학습을 적용할 수 있는 절차를 제시하고자 하였다. 기계학습으로는 k-Nearest Neighbor(k-NN), Support Vector Machine(SVM), Random Forest을 사용하여 이상 및 고장 진단을 수행하였다. 또한 진단 정확성을 비교할 목적으로 이상 감지에 오토인코더, 고장진단에는 합성곱 기반의 Conv1D도 추가로 이용하였다. 비정상적 시계열로부터 통계 및 주파수 속성으로 구성된 시계열 특징 벡터를 추출하고, 추출된 특징 벡터에 정규화 및 차원 축소 기법을 적용하였다. 특징 벡터의 선택과 정규화, 차원 축소 여부에 따라 달라지는 기계학습의 진단 정확도를 비교하였다. 또한, 적용된 학습 알고리즘 별로 초매개변수 최적화 과정과 적층 구조를 설명하였다. 최종적으로 기존의 심층학습과 비교하여, 기계학습도 가변 회전기기의 고장을 정확하게 진단할 수 있는 절차를 제시하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권2호
• /
• pp.123-130
• /
• 2022

During the past decades, detection of gear defects remains as a major problem, especially when the gears are subject to non-stationary phenomena. The idea of this paper is to mixture a multilevel wavelet transform with a fast EMD decomposition in order to early detect gear defects. The sensitivity of a kurtosis is used as an indicator of gears defect burn. When the gear is damaged, the appearance of a crack on the gear tooth disrupts the signal. This is due to the presence of periodic pulses. Nevertheless, the existence of background noise induced by the random excitation can have an impact on the values of these temporal indicators. The denoising of these signals by multilevel wavelet transform improves the sensitivity of these indicators and increases the reliability of the investigation. Finally, a defect diagnosis result can be obtained after the fast transformation of the EMD. The proposed approach consists in applying a multi-resolution wavelet analysis with variable decomposition levels related to the severity of gear faults, then a fast EMD is used to early detect faults. The proposed mixed methods are evaluated on vibratory signals from the test bench, CETIM. The obtained results have shown the occurrence of a teeth defect on gear on the 5th and 8th day. This result agrees with the report of the appraisal made on this gear system.