선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 또한 설비의 구조뿐만 아니라 Event-Tree 분석을 통해 고장의 원인 측면에서의 접근방식도 함께 보여 다각적인 유지보수 계획을 수립하고자 하였다. 기존의 RPN 평가 기법 연구에서는 설비의 구조와 고장률을 중심으로 평가가 이루어지는게 보통이었지만, 본 논문에서는 고장 이벤트 중심의 분석도 수행할 필요가 있다는 것을 인지하고, 설비가 어떤 상황 하에서 고장이 발생하였는지에 대한 연구도 진행하였다.
- 또한 설비의 구조뿐만 아니라 Event-Tree 분석을 통해 고장의 원인 측면에서의 접근방식도 함께 보여 다각적인 유지보수 계획을 수립하고자 하였다. 기존의 RPN 평가 기법 연구에서는 설비의 구조와 고장률을 중심으로 평가가 이루어지는게 보통이었지만, 본 논문에서는 고장 이벤트 중심의 분석도 수행할 필요가 있다는 것을 인지하고, 설비가 어떤 상황 하에서 고장이 발생하였는지에 대한 연구도 진행하였다.
- 또한 전력 설비의 경우에는 통계적인 고장 데이터가 부족하거나 신뢰성이 낮은 경우가 많고, 데이터에 대한 객관적인 분석이 이루어지지 않는 경우가 있으므로, 본 논문에서는 객관적인 시스템 분석 방법과 퍼지 함수를 이용한 새로운 RPN 계산 방법을 제시하고, 전문가의 주관적 평가 요소를 최소화할 수 있는 방안을 연구하여 이를 변전소 시스템 유지보수 계획 수립에 적용하여 보았다.
- 퍼지 연산을 이용한 RPN 계산을 위해, 먼저 Severity와 Detection 평가치를 결합하여 퍼지 함수로 나타낸다. 본 논문에서는 Severity 평과와 Detection 평가를 결합하기 위해 표 1과 같이 전문가 시스템의 Rule Base를 구성하였다. 2.
- 하지만 분석 대상의 전력 설비 고장 데이터가 충분치 않거나 데이터의 신뢰성이 부족한 경우, 일종의 가공 절차를 거쳐야 하는데 여기서 결과의 왜곡 문제가 발생할 수 있다. 본 논문에서는 이러한 문제점을 해결하기 위해 전문가 성향을 반영한 평가 매트릭스를 구성하고, 이를 통해 Occurrence를 평가하였다.
- 본 논문에서는 전력 계통 변전소 시스템을 구성하고 있는 설비에 대한 유지보수 전략을 수립하는데 있어서, RPN을 계산하는 새로운 방법을 제안하였다. 최소 절단집합을 통한 합리적인 Severity 평가방법을 이용하고, 설비의 수리 지연 시간에 의해 계산된 Detection 을 Rule Base를 이용하여 퍼지 함수로 나타내었다.
- 예를 들어 설비 A의 S, O, D가 각각 9, 8, 1로 평가되었고, 설비 B의 S, O, D가 4, 4, 5로 평가되었다면, A의 RPN은 72, B의 RPN은 80으로 계산되어 B의 유지보수 우선순위가 A보다 높게 나타나지만, 이것은 설비 A의 낮은 Detection에 의해 다소 왜곡된 결과라는 것을 파악할 수 있다. 본 논문에서는 퍼지 함수를 도입하여 이러한 문제점을 해결하려 하였다.
- 이 경우 전문가의 주관적인 의견이 반영되어 정확하고 합리적인 결과를 얻을 수 없다는 문제점이 발생하므로, 본 논문에서는 시스템 신뢰도 블록도(Reliability Diagram)를 이용하여 설비의 구조적 중요도를 분석하고 평가하였다. 전력 시스템의 각 구성요소를 신뢰도 블록도로 나타내고, 최소절단집합(Minimal Cut Set, MCS)을 구하여 각 설비가 전체 시스템에 미치는 영향을 평가하는 것이다. 식 (1)에서 볼 수 있듯이, 해당 설비가 낮은 차수의 MCS에 많이 포함될수록 Severity의 값은 커지게 되고, 낮은 차수의 MCS에 포함되어 있다는 것은 그만큼 해당 설비가 중요한 위치에 존재한다는 뜻이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.