$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

LNG FPSO 펌프타워 고장 예지 방안에 관한 연구
A Study on Fault Prediction Method in a Pump Tower of LNG FPSO 원문보기

한국CAD/CAM학회논문집 = Transactions of the Society of CAD/CAM Engineers, v.21 no.2, 2016년, pp.111 - 121  

김용재 (홍익대학교 산업공학과) ,  조상제 (스위스 연방 로잔 공대 ICT4SM 연구실) ,  전홍배 (홍익대학교 산업공학과) ,  하정훈 (홍익대학교 산업공학과) ,  신종호 (울산과기대 디자인 및 인간공학과)

Abstract AI-Helper 아이콘AI-Helper

The plant equipment usually has a long life cycle. During its O&M (Operation & Maintenance) phase, since the occurrence of an accident of offshore plant equipment causes catastrophic damage, it is necessary to make more efforts for managing critical offshore equipment. Nowadays due to the emerging I...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 고장을 일으키는 여러 특성 중에서 슬로싱 하중에 초점을 맞추어 고장을 예지하는 알고리즘을 개발하였으며 펌프타워가 받는 스트레스를 실험을 통하여 알아낼 수 있도록 균열센서(crack sensor)를 균열이 발생하는 주관(main pipe)과 지지대(brace member)의 연결부위에 부착한다는 가정을 하였다. 또한, 응력 확대 계수와 균열 성장률의 관계를 설명하는 패리스-에르도간(Paris-Erdogan) 모델을 통하여 균열의 성장을 설명하고 이를 통하여 펌프 타워의 구조물에 대한 잔여수명을 추정하고자 한다.
  • 본 연구에서는 LNG-FPSO의 주요 구조물인 펌프타워의 잔여 수명을 추정하는 방안을 제안하였다. 제안된 방안에서는 해양 환경 측정 장비를 사용하여 얻어진 해양 환경 데이터를 바탕으로 Kmeans 군집화 기법을 시행하여 미션프로파일을 생성하였다.
  • 본 연구에서는 Table 1의 해양환경 데이터를 가지고, LNG-FPSO의 펌프타워에 대한 고장시점 추정 및 잔여 수명 추정에 대한 적용사례를 설명하고자 한다. 본 연구에서 다루고 있는 사례연구의 해양환경 데이터는 미국 W사가 운영하고 있는 실제 멕시코 만에 설치된 해양플랜트 구조물에서 시스템에 의해 자동으로 수집되어진 해양환경에 관한 1년치 해양변수 데이터에 기반을 하고 있다.
  • 네 가지의 하중 중에서 펌프타워에 가장 커다란 영향을 미치는 하중은 액화된 유체가 출렁거리면서 생기는 충격 하중으로 인하여 펌프타워에 손상 또는 파괴를 일어나게 하는 슬로싱 하중이다. 본 연구에서는 슬로싱 하중에 많은 영향을 미칠 것이라고 예상되는 해양환경 변수들을 활용하여 펌프타워의 잔여 수명을 예측하고자 한다.
  • 본 연구에서는 위의 패리스-에르도간 모델을 통하여 균열의 성장을 설명하고 이를 통하여 잔여 수명을 추정하고자 한다.
  • 해양플랜트 장비의 특성상 해양환경 데이터들을 분석하여 이를 장비의 상태 예측에 활용하는 것은 중요하다 할 수 있다. 본 연구에서는 이 부분에 초점을 맞추어 상태기반 보전 방안에 활용할 수 있는 펌프타워의 구조물 고장시점 예지 방안에 대해 다루고자 한다.
  • 본 연구에서는 펌프타워의 균열이 번지는 과정을 분석하여 균열이 언제 허용 기준(acceptable criteria)을 초과하는지 판단하고자 하며 LNG-FPSO의 펌프타워를 대상으로 예지 알고리즘을 개발하였다.
  • 본 연구에서는 해양 플랜트 시설인 LNG FPSO의 선측(hull side) 주요 장비 중 하나인 펌프타워 (pump tower)의 주요 구조물에 대해 상태기반 보전 방식을 적용하는 알고리즘 개발에 초점을 맞춘다. 본 연구의 문제는 수집된 해양환경 데이터를 기반으로 미래의 해양환경 데이터를 예측하고, 구조물의 피로 균열과 해양환경 데이터간의 연관관계가 있다는 가정하에 구조물의 균열 성장 속도를 예측하여 고장시점 예지 방안을 제시하고자 한다.
  • 본 연구의 대상구조물인 펌프타워의 잔여 수명을 추정하기 위하여 미래의 해양환경을 예측하였다. 보유하고 있는 7개의 해양환경 데이터에 예측 모델을 사용하여 미래시점 데이터를 예측하였으며, 예측을 평가하기 위해 사용된 방법으로는 보유하고 있는 7개 변수 52주 해양환경 데이터 중에서 32주의 데이터를 학습 데이터로 설정하고, 나머지 20주의 데이터를 테스트 e데이터로 설정하여 예측 실험을 하였다.
  • 본 연구에서는 해양 플랜트 시설인 LNG FPSO의 선측(hull side) 주요 장비 중 하나인 펌프타워 (pump tower)의 주요 구조물에 대해 상태기반 보전 방식을 적용하는 알고리즘 개발에 초점을 맞춘다. 본 연구의 문제는 수집된 해양환경 데이터를 기반으로 미래의 해양환경 데이터를 예측하고, 구조물의 피로 균열과 해양환경 데이터간의 연관관계가 있다는 가정하에 구조물의 균열 성장 속도를 예측하여 고장시점 예지 방안을 제시하고자 한다.

가설 설정

  • 고장을 일으키는 여러 특성 중에서 슬로싱 하중에 초점을 맞추어 고장을 예지하는 알고리즘을 개발하였으며 펌프타워가 받는 스트레스를 실험을 통하여 알아낼 수 있도록 균열센서(crack sensor)를 균열이 발생하는 주관(main pipe)과 지지대(brace member)의 연결부위에 부착한다는 가정을 하였다. 또한, 응력 확대 계수와 균열 성장률의 관계를 설명하는 패리스-에르도간(Paris-Erdogan) 모델을 통하여 균열의 성장을 설명하고 이를 통하여 펌프 타워의 구조물에 대한 잔여수명을 추정하고자 한다.
  • 데이터베이스에 저장되어 있는 시계열 형태의 해양환경데이터를 활용하여 미래의 해양환경을 예측하는 단계이다. 과거의 시계열 형태가 미래에도 비슷한 형태로 반복될 것이라는 가정하에 예측모델(forecasting model)을 구축하여 구축한 모델을 사용하여원하는 시점까지의 해양환경을 예측한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
정기보전 방법의 단점은 무엇인가? 예방보전(preventive maintenance)에는 정기보전 (time-based maintenance) 방법과상태기반보전방법으로 구분할 수 있는데, 이 중 정기보전 방법은 제품 수리 기간을 정하여 정기적으로 검사와 보전 활동을 실시하여 제품이 고장이 발생하지 않게 만드는 방식이다. 제품의 열화기간이 일치하기가 쉽지 않기 때문에 잔존 수명에 대한 비용의 손실이 발생할 수 있으며, 또한 보전주기 기간 동안에 고장이 발생하여 제품의 운용이 정지되어서 사후보 전비용이 발생할 수 있다.
해양플랜트는 무엇인가? 해양플랜트(offshore plant)는 바다에 매장되어 있는 석유, 가스와 같은 해양 자원들을 발굴, 시추, 생산해내는 활동을 위한 장비와 설비를 포함한 제반 산업이다. 더글라스-웨스트우드(DouglasWestwood) 사의스티브로버트슨(Steve Robertson) 에 따르면, 부유식 생산설비(floating production units, FPUs)는 2014년에서 2025년까지 연평균 성장률이 3.
상태기반 보전 방식을 적용함에 있어서 가장 중요한 것은 무엇인가? 상태기반 보전 방식을 적용함에 있어서 가장 중요한 것 중에 하나가, 현재까지 수집된 정보를 바탕으로 미래의 상태, 즉 고장시점을 예측하는 방안을 개발하는 일이다.
질의응답 정보가 도움이 되었나요?

참고문헌 (27)

  1. Park, K.S., 2015, Offshore Business, Korea Maritime Institute, 19, pp.7-12. 

  2. Cho, S.J. and Jun, H.B., 2014, A Study on the Development of Prognosis System for LNG FPSO Compressor Equipment, Proceedings of the Society of CAD/CAM Engineers Conference, pp.304-309. 

  3. Jardine, A.K.S., Lin, D. and Banjevic, D., 2005, A Review on Machinery Diagnostics and Prognostics Implementing Condition-based Maintenance, Mechanical Systems and Signal Processing, 20(7), pp.1483-1510. 

  4. Lee, L.D., 2001, Using Wireless Technology and the Internet for Predictive Maintenance, Hydrocarbon Processing, 80, pp.77-96. 

  5. Djurdjanovic, D., Lee, J. and Ni, J., 2003, Watchdog Agent-an Infotronics-based Prognostics Approach for Product Performance Degradation Assessment and Prediction, Advanced Engineering Informatics, 17, pp.109-125. 

  6. Lin, D., Wiseman, M., Banjevic, D. and Jardine, A.K., 2004, An Approach to Signal Processing and Condition-based Maintenance for Gearboxes Subject to Tooth Failure, Mechanical Systems and Signal Processing, 18(5), pp.993-1007. 

  7. Yan, J., Koc, M. and Lee, J., 2004, A Prognostic Algorithm for Machine Performance Assessment and Its Application, Production Planning & Control, 15(8), pp.796-801. 

  8. Bansal, D., Evans, D.J. and Jones, B., 2004, A Real-time Predictive Maintenance System for Machine Systems, International Journal of Machine Tools and Manufacture, 44(7-8), pp.759-766. 

  9. Kothamasu, R., Huang, S.H. and Verduin, W.H., 2006, System Health Monitoring and Prognostics-a Review of Current Paradigms and Practices, International Journal of Advanced Manufacturing Technology, 28, pp.1012-1024. 

  10. Jardine, A.K.S., Lin, D. and Banjevic, D., 2006, A Review on Machinery Diagnostics and Prognostics Implementing Condition-based Maintenance, Mechanical Systems and Signal Processing, 20, pp.1483-1510. 

  11. Oh, S.G., Lee, S.H. and Lee, M.S., 2012, Facility Maintenance Management System Based on Predictive Maintenance for Manufacturing Industry, Korean Society of Precision Engineering, pp.643-644. 

  12. Shin, J.H., Jun, H.B., Cattaneo, C., Kiritsis, D. and Xirouchakis, P., 2013, A Method for Evaluating Product Degradation Status Using Product Usage Data, Transactions of the Society of CAD/CAM Engineers, 18(1), pp.36-48. 

  13. Lee, Y.E., Kang, J.Y., Kwak, J.J., Ahn, K.I. and Cho, M.J., 2014, Study on Reliability Prediction Method Application for Mechanical Parts, Proceedings of Korean Aeronautical and Space Sciences, Republic of Korea, pp.16-19. 

  14. Park, S.K., Sim, M.S., Lee, H.Y. and Lee, M.J., 2003, Design of Condition Based Maintenance Expert System Using FFT Algorithm, Korea of Information Science Society, 30(2), pp.514-516. 

  15. Park, S.W. and Lee, H.M., 2013, Design of Hull Residual Life Prediction System Considering Corrosion and Coating, Journal of the Society of Naval Architects of Korea, 50(2), pp.104-110. 

  16. Kim, H.S., An, K.I. and Hwang, J.S., 2014, Design of Condition Based Maintenance System for the Integrated and Intelligent Operation of Offshore Plant, Proceedings of the Society of CAD/CAM Engineers Conference, Republic of Korea, pp.152-155. 

  17. Cho, S., Jun, H.B., Shin, J.H. and Choi, S., 2014, A Study on Estimating the Next Failure Time of LNG FPSO Compressor, Transactions of the Society of CAD/CAM Engineers, 19(3), pp.203-213. 

  18. Yun, H.Y., Yang, Y.S. and Yun, J.H., 1992, A Stochastic Analysis of Crack Propagation Life under Constant Amplitude Loading, The Korean Society of Mechanical Engineers, 16(9), pp.1691-1699. 

  19. Park, J., Kim, K., Kim, K.S. and Ko, D.Y., 2013, Comparison of Fatigue Damage Models of Spread Mooring Line for Floating Type Offshore Plant, Journal of Ocean Engineering and Technology, 20(5), pp.63-69. 

  20. Lee, Y.S., Kim, D.J. and Ryu, H.H., 1998, Fatigue Crack Propagation and Fatigue Life Prediction under the Mixed Mode Loading, Proceedings of the Korean Society of Mechanical Engineers, pp.305-309. 

  21. Lee, S.G., 2012, Technical Trend for LNG_FPSO, Journal of the Korean Society of Marine Engineering, 36(1), pp.62-78. 

  22. Lee, K.S. and Son, C.Y., 2007, A Study on GUI Development of Structural Analysis of LNG Pump Tower, Journal of the Computational Structural Engineering Institute of Korea, 20(5), pp.605-613. 

  23. Cedric, C., 2006, Development of a New Approach for Product Design Improvement, Considering Middle-of-life (MOL) Data, Diploma Thesis, EPFL. 

  24. Huh, M.H. and Lee, G.H., 2004, Reproducibility Assessment of k-means Clustering and Applications, The Korean Journal of Applied Statistics, 17(1), pp.135-144. 

  25. Fraley, C. and Raftery, A.E., 1998, How Many Clusters? Which Clustering Method? Answers Via Model-based Cluster Analysis, The Computer Journal, 41(8), pp.578-588. 

  26. Kim, S.Y., Jung, H.W., Park, J.D., Baek, S.M., Kim, W.S., Chon, K.H. and Song, K.B., 2014, Weekly Maximum Electric Load Forecasting for 104 Weeks by Seasonal ARIMA Model, Journal of the Korean Institute of Illuminating and Electrical Installation Engineers, 28(1), pp.50-56. 

  27. Lopez-Espin, J.J., Vidal, A.M. and Gimenez, D., 2012, Two-stage Least Squares and Indirect Least Squares Algorithms for Simultaneous Equations Models, Journal of Computational and Applied Mathematics, 236(15), pp.3676-3684. 

저자의 다른 논문 :

LOADING...
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로