고속철도차량 동력대차의 1차 구동장치는 모터 감속기와 견인전동기로 구성한다. 모터 감속기와 견인전동기는 기계적으로 일체형 결합 구조이지만, 상이한 기술 요구사항으로 인하여 이들의 완전 분해정비 주기는 서로 다르다(모터 감속기의 완전 분해정비 주기: $1.8{\times}10^6km$, 견인전동기의 완전 분해정비 주기: $2.5{\times}10^6km$). 따라서 불필요한 정비 횟수를 감소하기 위하여 신뢰성 중심 유지보수 관점에서 최적의 완전 분해정비 주기의 산정이 중요하다. 본 연구에서는 실제 유지보수 정비이력으로부터 두 구성품들에 대한 고장 결함나무 분석을 수행하고 각 하부부품들의 치명도를 고려한 고장률을 각각 평가하였다. 두 구성품에 대한 최적의 동일한 완전분해 정비주기는 기존의 총 예방정비 비용을 감소하기 위하여 유전자 알고리즘으로 부터 얻었다. 이 알고리즘에서 각 개체를 구성하는 유전자는 최소 예방 정비주기이며, 이의 조합으로 구성된 세대별 개체의 적합도함수는 총 정비비용의 역수로 공식화하여 얻는다. 최소공배수에 의한 방법은 기존 대비 4%만 감소하지만, 유전자 알고리즘에 의한 최적의 동일 완전분해 정비주기는 225만km로서 기존 방법의 총비용과 비교하여 약 14% 감소하였다.
고속철도차량 동력대차의 1차 구동장치는 모터 감속기와 견인전동기로 구성한다. 모터 감속기와 견인전동기는 기계적으로 일체형 결합 구조이지만, 상이한 기술 요구사항으로 인하여 이들의 완전 분해정비 주기는 서로 다르다(모터 감속기의 완전 분해정비 주기: $1.8{\times}10^6km$, 견인전동기의 완전 분해정비 주기: $2.5{\times}10^6km$). 따라서 불필요한 정비 횟수를 감소하기 위하여 신뢰성 중심 유지보수 관점에서 최적의 완전 분해정비 주기의 산정이 중요하다. 본 연구에서는 실제 유지보수 정비이력으로부터 두 구성품들에 대한 고장 결함나무 분석을 수행하고 각 하부부품들의 치명도를 고려한 고장률을 각각 평가하였다. 두 구성품에 대한 최적의 동일한 완전분해 정비주기는 기존의 총 예방정비 비용을 감소하기 위하여 유전자 알고리즘으로 부터 얻었다. 이 알고리즘에서 각 개체를 구성하는 유전자는 최소 예방 정비주기이며, 이의 조합으로 구성된 세대별 개체의 적합도함수는 총 정비비용의 역수로 공식화하여 얻는다. 최소공배수에 의한 방법은 기존 대비 4%만 감소하지만, 유전자 알고리즘에 의한 최적의 동일 완전분해 정비주기는 225만km로서 기존 방법의 총비용과 비교하여 약 14% 감소하였다.
The first driving device of the power bogies for the Korean high-speed railway vehicle consists of the traction motor (TM) and the motor reduction gears unit (MRU). Although TM and MRU are the mechanically integrated structures, their time between overhauls (TBO) have two separate intervals due to d...
The first driving device of the power bogies for the Korean high-speed railway vehicle consists of the traction motor (TM) and the motor reduction gears unit (MRU). Although TM and MRU are the mechanically integrated structures, their time between overhauls (TBO) have two separate intervals due to different technical requirements(i.e. TBO of MRU: $1.8{\times}10^6km$, TBO of TM: $2.5{\times}10^6km$). Therefore, to reduce the unnecessary number of preventive maintenances, it is important to evaluate the optimal TBO with a viewpoint of reliability-center maintenance towards cost-effective solution. In this study, derived from the field data in maintenance, fault tree analysis and failure rate of the subsystem considering criticality of the components are evaluated respectively. To minimize the conventional total maintenance cost, the same optimal TBO of the components is derived from genetic algorithm considering target reliability and improvement factor. In this algorithm, a chromosome which comprised of each individual is the minimum preventive maintenance interval. The fitness function of the individual in generation is acquired through the formulation using an inverse number of the total maintenance cost. Whereas the lowest common multiple method produces only a four percent reduction compared to what the existing method did, the optimal TBO of them using genetic algorithm is $2.25{\times}10^6$km, which is reduced to about 14% comparing the conventional method.
The first driving device of the power bogies for the Korean high-speed railway vehicle consists of the traction motor (TM) and the motor reduction gears unit (MRU). Although TM and MRU are the mechanically integrated structures, their time between overhauls (TBO) have two separate intervals due to different technical requirements(i.e. TBO of MRU: $1.8{\times}10^6km$, TBO of TM: $2.5{\times}10^6km$). Therefore, to reduce the unnecessary number of preventive maintenances, it is important to evaluate the optimal TBO with a viewpoint of reliability-center maintenance towards cost-effective solution. In this study, derived from the field data in maintenance, fault tree analysis and failure rate of the subsystem considering criticality of the components are evaluated respectively. To minimize the conventional total maintenance cost, the same optimal TBO of the components is derived from genetic algorithm considering target reliability and improvement factor. In this algorithm, a chromosome which comprised of each individual is the minimum preventive maintenance interval. The fitness function of the individual in generation is acquired through the formulation using an inverse number of the total maintenance cost. Whereas the lowest common multiple method produces only a four percent reduction compared to what the existing method did, the optimal TBO of them using genetic algorithm is $2.25{\times}10^6$km, which is reduced to about 14% comparing the conventional method.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
구동장치에 대한 최적의 TBO를 얻기 위하여 각 구성품의 자체 신뢰도와 고장률(failure rate) 뿐만아니라, 본 연구에서는 하부 부품들의 치명도(risk priority number, RPN) 및 보전후에 신뢰도 개선율(improvement factor, yi)을 함께 고려한 총 정비 비용을 산출하고자 한다.
그러나 이들 연구는 철도차량 유지보수에 RAM을 도입하기위한 개념단계 연구에 머물러 있으며, 구성품의 하부부품들에 대한 각각의 치명도, 신뢰도 및 비용을 함께 고려하여 최적의 완전 분해정비 주기를 산정한 연구는 미비한 실정이다. 따라서 본 연구에서는 고속철도차량 일체형 1차 구동장치의 각 부품에 대한 정비이력으로부터 치명도와 신뢰도를 평가하고, 불필요한 완전분해정비주기를 제거한 최소 정비비용을 갖는 최적 TBO주기를 평가하고자 한다.
본 연구에서는 고속철도차량 일체형 1차 구동장치인 견인전동기와 모터감속기의 정비이력으로부터 신뢰도 중심의 체계적 정비관점에서 최소 정비 비용을 갖는 최적 TBO주기를 산출하였다. 이로부터 얻어진 결론은 다음과 같다.
가설 설정
[7] 두 번째, 완전분해정비(TBO)는 Fig 5와 같이 제품의 원상태로서 신뢰도 ‘1’로 개선된다고 가정한다.
먼저, 레벨 I(level I)의 기본검수(ES)부터 체계검수(SWT)까지는 신뢰도에 영향을 끼치지 않는 최소수리를 수행한다고 가정한다. 여기서 최소수리 전과 후에 구성품의 노화 과정에 신뢰도 변화는 없다.
예방정비간 고장 발생은 비균질 프아송과정(Non-Homogeneous Poisson Process)[7]을 적용하고, 다음의 세 가지 조건을 가정하였다.
제안 방법
(2) 각 구성품에 대하여 부품별 고장나무분석과 이의 치명도(심각도, 발생빈도 및 검출도의 기하평균)를 할당하여 신뢰도에 반영하였다. 이로부터 최소 정비비용을 갖는 최적의 완전분해정비주기는 유전자알고리즘을 이용하여 225만km로 산출되었다.
이로부터 최소 정비비용을 갖는 최적의 완전분해정비주기는 유전자알고리즘을 이용하여 225만km로 산출되었다. 비용 최소화를 위한 철도차량 유지보수 주기 최적화에 유지보수 Data 분석을 통하여 휴리스틱 기법인 유전자알고리즘의 적용 실효성을 확인하므로서 TBO관리 체계를 명확화 할 수 있는 기반을 마련하였다.
이론/모형
그림 상단에서 보는 바와 같이 총 정비비용은 식 (5)로부터 얻어지며, 각각의 설정값은 Table 1과 같다.[8] 완전분해 정비주기는 전역 최적 근사해에 효율적인 유전자알고리즘(Genetic algorithm)[11]을 이용하였다. 이 알고리즘에서 임의의 최소 예방정비주기는 하나의 개체이며, 각 세대 별 유전자형은 ‘0, 1, 2’의 정수로 표현한다.
한편, 고장모드 치명도분석(failure mode effects and criticality analysis) 결과[8]로부터 각 구성품에 대한 하부부품의 고장영향에 대한 기여도를 고려하기 위하여 치명도 평점(Risk Priority Number, RPN)[9]을 도입하였다. 이로부터 각 구성품의 신뢰도는 식 (2)와 같다.
성능/효과
(1) 견인전동기와 모터감속기의 형상모수는 각각 1.0570 및 1.2247로서, 두 구성품의 고장율 유형은 시간 의존적 열화모형인 고장율 증가형이므로 전형적인 예방정비형 구성품이다.
질의응답
핵심어
질문
논문에서 추출한 답변
국내 고속철도차량 구성품의 교체주기를 수정해야하는 이유는?
국내 고속철도차량 구성품은 환경(기후, 일조량, 고도)[1]및 운행 조건(역간거리, 궤도)의 차이[2]로 인하여 프랑스에서 수입당시 산정된 이의 교체주기를 수정해야한다. 이들 부품은 타분야와 달리 소량 다품종이므로 물류지연으로 인한 가용도 저하를 방지해야한다.
견인전동기, 모터감속기의 완전분해정비주기가 상이함으로 인해 발생하는 문제는?
즉, 견인전동기(TBO: 250만km)와 모터감속기(TBO: 180만km)는 [Fig. 2]와 같이 TBO의 상이함으로 인하여 불필요한 정비작업 및 가용도 저하를 초래한다. 따라서 국내 고속차량의 높은 경제성·신뢰도·안전성·정비도를 함께 유지하기 위해서는 견인전동기와 모터감속기에 대한 최적의 TBO 평가가 필요하다.
높은 물류가용도를 유지하기 위해 요구되는 것은?
이들 부품은 타분야와 달리 소량 다품종이므로 물류지연으로 인한 가용도 저하를 방지해야한다. 즉, 열차운행동안 높은 물류가용도(logistic availability)를 유지하기 위해서는 각 구성품에 대한 경제성·신뢰도·안전성·정비도를 함께 고려한 최적의 예방정비(preventive maintenance) 주기산정이 요구된다. 따라서 이들 부품들에 대한 신뢰도 중심 유지보수(Reliability Centered Maintenance, RCM)기법을 이용한 안정적․효율적인 보수품 수급관리체제의 구축이 중요하다.
참고문헌 (11)
S. H. Ahn, K. W. Chung, S. H. Jang and C. S. Kim, "Durability Evaluation of the Korean Gauge-Adjustable Wheelset System", Journal of the Korea Academia-Industrial Cooperation Society, Vol.13, No.12, pp.5669-5675, 2012. DOI: http://dx.doi.org/10.5762/KAIS.2012.13.12.5669
C. S. Kim and G. H. Kang, "Fatigue Analysis of Reduction Gears Unit in Rolling Stock Considering Operating Characteristics", Journal of the Korea Academia-Industrial Cooperation Society, Vol.12, No.3, pp.1085-1090, 2011. DOI: http://dx.doi.org/10.5762/KAIS.2011.12.3.1085
D. G. Lee, J. W. Kim and H. S. Lee, "A Case Study on Determining Doors Maintenance Intervals through Running Fault Data Analysis for Metro EMU" Journal of the Korean Society for Railway, Vol.26, No.2, pp.1-8, March, 2003.
I. S. Chung, K. W. Lee and J. W. Kim, "Study on Setting up the Quantitative RAM Goals for Rolling Stocks", Journal of the Korean Society for Railway, Vol.11, No.4, pp.390-397, June, 2008.
Y. H. Yu and N. Y. Lee, "A Study on Reliability Centered Rolling Stock Maintenance Methods" Journal of the Korean Society for Railway, Vol.16, No.3, pp.183-188, June, 2013. DOI: http://dx.doi.org/10.7782/JKSR.2013.16.3.183
G. H. Kang, "Maintenance of High Speed Rail Vehicles: Theory and Practice", Samsung Publishing, 2009.
T. Nakagawa and M. Kowada, "Analysis of a System with Minimal Repair and Its Application to Replacement Policy", European Journal of Operational Research, Vol. 12, No. 2, pp.176-182, 1983. DOI: http://dx.doi.org/10.1016/0377-2217(83)90221-7
Ministry of Land, Infrastructure and Transport of Korean government, "Railroad Core Component/Device Technology Deveolpment Phase 2", Report-15RTRPB084184, 2014.
Military standard, "Procedures for Preforming a Failure Mode, Effects and Criticality Analysis", MIL-STD- 1629A, 1980.
E. G. Shopova and N.G. Vaklieva-Bancheva, "BASIC-A Genetic Algorithm for Engineering Problems Solution", Computers and Chemical Engineering, Vol. 30, No. 8, pp. 1293-1309, 2000. DOI: http://dx.doi.org/10.1016/j.compchemeng.2006.03.003
※ AI-Helper는 부적절한 답변을 할 수 있습니다.