[논문]인더스트리 4.0을 위한 고장예지 기술과 가스배관의 사용적합성 평가

김성준; 최병학; 김우식

doi:10.7469/jksqm.2017.45.4.649

인더스트리 4.0을 위한 고장예지 기술과 가스배관의 사용적합성 평가
Prognostics for Industry 4.0 and Its Application to Fitness-for-Service Assessment of Corroded Gas Pipelines 원문보기

品質經營學會誌 = Journal of Korean society for quality management, v.45 no.4, 2017년, pp.649 - 664

김성준 (강릉원주대학교 산업경영공학과) , 최병학 (강릉원주대학교 신소재금속공학과) , 김우식 (한국가스공사 가스연구원)

Abstract ▼ AI-Helper

Purpose: This paper introduces the technology of prognostics for Industry 4.0 and presents its application procedure for fitness-for-service assessment of natural gas pipelines according to ISO 13374 framework. Methods: Combining data-driven approach with pipe failure models, we present a hybrid scheme for the gas pipeline prognostics. The probability of pipe failure is obtained by using the PCORRC burst pressure model and First Order Second Moment (FOSM) method. A fuzzy inference system is also employed to accommodate uncertainty due to corrosion growth and defect occurrence. Results: With a modified field dataset, the probability of failure on the pipeline is calculated. Then, its residual useful life (RUL) is predicted according to ISO 16708 standard. As a result, the fitness-for-service of the test pipeline is well-confirmed. Conclusion: The framework described in ISO 13374 is applicable to the RUL prediction and the fitness-for-service assessment for gas pipelines. Therefore, the technology of prognostics is helpful for safe and efficient management of gas pipelines in Industry 4.0.

주제어

AI 본문요약
AI-Helper

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

문제 정의

0을 위한 PHM 기술의 현황과 구성요소에 대해 살펴보고 그 접근방법을 소개 하고자 한다. 그리고 가스배관의 사용적합성 평가를 위한 PHM 프레임워크를 제시하고 필드데이터 사례를 통해 그적용방안을 고찰하고자 한다.
본 논문은 인더스트리 4.0을 위한 PHM 기술에 대해 소개하고 그 적용사례로서 가스배관의 사용적합성 평가문제를 다루었다. 지난 10여년간 IoT와 빅데이터 기술의 비약적인 발전에 힘입어 PHM은 점차 그 적용범위를 확대해 가고 있으며 특히 인더스트리 4.
학계와 현업을 포함한 다양한 영역에서 고장예지는 건전성 관리를 포함한 개념인 Prognostics and Health Management (PHM)이라는 이름으로 널리 통용되고 있다(Lee and Youn 2015). 본 논문은 인더스트리 4.0을 위한 PHM 기술의 현황과 구성요소에 대해 살펴보고 그 접근방법을 소개 하고자 한다. 그리고 가스배관의 사용적합성 평가를 위한 PHM 프레임워크를 제시하고 필드데이터 사례를 통해 그적용방안을 고찰하고자 한다.
그간 가스배관의 잔여수명 예측에 관한 연구는 많이 이루어졌으나 PHM 프레임워크를 적용한 경우는 찾아보기 어려운 실정이다. 본 연구에서는 ISO 13374에서 기술하고 있는 PHM 프레임워크를 이용하여 가스배관의 사용적합성을 평가하는 과정과 요구사항을 제시하고자 한다. 먼저 전체적인 내용을 그림으로 나타내면 다음과 같다.

가설 설정

단 이며 S, D, 그리고 t 는 각각 파이프의 인장강도, 직경, 두께를 의미한 다. 또한 피깅시점 T에서 부식결함의 깊이와 길이를 본 연구에서는 d(T) = d₀ + V_r(T - T₀) 그리고 L(T) = L₀ + V_a(T - T₀)와 같이 선형적인 부식성장모델로 가정한다. 여기서 d₀와 L₀는 이전 피깅시점 T₀에서의 부식결함의 깊이와 길이를 나타내며 V_r과 V_a는 각각 원주방향과 축방향으로의 부식성장률로서 시간에 대해서는 상수로 취급한다.

제안 방법

매설된 가스배관의 상태를 점검하고 결함 데이터를 수집하기 위해 In-line Inspection (ILI) 혹은 피깅 (Pigging) 을 실시한다. 비록, 현재는 검사주기가 수년에 이르고 있지만 향후 IoT 환경이 갖춰지게 되면 보다 최신 데이터로 업데이트 할 수 있을 것이다.
이제 FOSM을 이용하여 구간 내 결함 위치에서의 고장확률을 계산한다. 그림 11에서 보는 것처럼, FOSM이 실행 가능하려면 μ = (μ₁,μ₂,…,μ_k)와 σ = (σ₁,σ₂,…,σ_k)가 사전에 결정되어야 한다.
2008). 즉 과거와 현재의 정보를 이용하여 열화를 탐지하여 열화상 태를 진단하고 RUL을 예측하는 것이다.

대상 데이터

ILI 센싱을 통해 얻어진 MFL 유동은 적절한 전처리를 통해 배관 프로파일로 매핑된 후 부식결함이 발생한 위치, 크기, 형상 등에 관한 수치 데이터로 변환된다. 본 연구에서 사용할 데이터셋은 X65 Steel로 제작된 직경 20인치 배관의 20km 테스트 구간에서 수집된 것이다. 피깅 센서의 오차를 감안하여 지나치게 작은 값은 무시하였으며 부식 이외의 요인으로 발생한 흠집에 해당되는 것을 제외한 부식결함 75개를 분석 대상으로 한다.
본 연구에서 사용할 데이터셋은 X65 Steel로 제작된 직경 20인치 배관의 20km 테스트 구간에서 수집된 것이다. 피깅 센서의 오차를 감안하여 지나치게 작은 값은 무시하였으며 부식 이외의 요인으로 발생한 흠집에 해당되는 것을 제외한 부식결함 75개를 분석 대상으로 한다. 다만 실제 분석과 예시 에는 원 데이터가 아닌 수치변환 후의 데이터를 이용되었음을 밝혀둔다.

이론/모형

하지만 고장발생 메커니즘에 보다 충실한 의사결정이 동반되려면 앞서 설명했던 Model-based Approach를 적용하여 상태변수를 도출하고 모니터링을 해야 한다. 본 연구는 신뢰도 기반의 정비에 기초가 되는 고장확률을 계산하기 위해 아래의 부하-강도 모델을 이용한다.
2016). 본 연구는 이들 중 가장 간단한 방법인 FOSM을 이용하여 고장확률을 계산하기로 한다. FOSM은 Moment Matching 기법의 하나로 테일러전개를 통해 한계상태함수를 1차식 으로 근사화하고 1차 및 2차 모멘트를 얻어서 고장확률을 계산하는 방식으로서 그 과정을 요약하면 다음 그림과 같다.
이와 같이 대부분의 정보는 파이프 매뉴얼과 운용 데이터를 통해 얻을 수 있지만, 관측된 부식결함의 깊이 및 길이에 관해서는 정보가 불완전하고 변동계수를 얼마로 설정해야 할지도 확실하지 않다. 이러한 상황을 다루기 위해 본 연구는 Fuzzy Logic을 도입한다. 즉 부식결함의 성장속도 (Growing Speed, GS)와 발생빈도 (Occurrence Likelihood, OL)를 고려하여 그림 12와 같은 Fuzzy Inference System (FIS)을 구축하고 변동계수를 결정한다.

성능/효과

비교적 크기가 큰 33번 결함과 크기가 작은 65번 결함에 대한 향후 30년 간의 고장확률 계산결과가 다음 그림에 도시되어 있다. 본 연구에서 채택한 FIS를 이용하면 그렇지 않을 때에 비해서 고장확률은 다소 높게 나오는 것으로 나타났다. 이는 FIS 구동을 위한 퍼지규칙이 다소 보수적으로 구성되었음을 의미한다.
본 연구의 의의는 2가지로 요약된다. 첫째, PHM 적용을 위해 제시된 6-Layer 프레임워크에 따라 가스배관의 사용적합성 평가를 다루었다는 점이다. 이를 통해 인더스트리 4.
(2017)이 제시한 TRL에 따를 때 PHM 적용에는 문제가 되지 않는다. 테스트 데이터를 이용하여 PHM을 적용한 결과, 해당 구간은 잔여유효수명이 18년으로 예측되어 매우 양호한 사용적합성을 갖는 것으로 나타났다.

후속연구

0 시대의 PHM을 위해 가스배관 분야에서 보완해야할 기능과 요소는 무엇인지 파악할 수 있다. 둘째, PHM을 위한 접근방법으로 본 연구는 Model-based Approach와 Data-driven Approach를 통합해서 적용했다는 점이다. 이는 향후 인더스트리 4.
매설된 가스배관의 상태를 점검하고 결함 데이터를 수집하기 위해 In-line Inspection (ILI) 혹은 피깅 (Pigging) 을 실시한다. 비록, 현재는 검사주기가 수년에 이르고 있지만 향후 IoT 환경이 갖춰지게 되면 보다 최신 데이터로 업데이트 할 수 있을 것이다. 아래 그림은 Magnetic Flux Leakage (MFL) 방식의 피깅 센서로 수집된 원 데이터와 이를 배관 프로파일로 매핑시킨 예를 보여주고 있다(Cosham et al.
안전도 Class 4를 적용할 경우 테스트 구간의 잔여유효수명은 18년으로 얻어졌으므로 현재 시점에서 해당 구간의 사용적합도는 매우 양호하다고 판단할 수 있다. 이를 토대로 향후 피깅 및 정비 일정계획을 수립할 수 있도록 PHM 의사결정지원시스템이 개발이 뒤따라야 할 것이다. 현재는 선택된 구간에 대해서 파열압력 계산코드 별로 고장확률을 출력, 비교할 수 있는 정도의 인터페이스가 구축되어 있는 실정이다.
또한 고장확률 계산과정에 Fuzzy Inference를 도입함으로써 매설구간에 따른 리스크를 반영하는 방안을 제시했다는 데 또 다른 의의가 있다. 향후 배관 분야에서도 인더스트리 4.0 환경에 부합하는 IoT 기술개발이 이루어져야 할 것이며 복수의 고장유형이나 비선형적인 부식성장모델을 고려한 고장예지 기법에 대해서도 후속 연구가 필요할 전망이다. 또한 지형, 인구, 교통량 등 배후 데이터를 통합할 수 있는 리스크 기반의 예지정비기술도 유용한 연구주제이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	인더스트리 4.0은 무엇을 표방하는가?	0이 컴퓨터 기반의 자동화로 요약된다면, 인더스트리 4.0은 Cyber-Physical System을 기반으로 사물인터넷에 의해 생산설비와 부품 간에 실시간 정보교환이 스스로 이루어지고 이를 통해 생산의 모든 단계가 최적화되는 스마트공장을 표방한다(IBM 2017).
	PHM 수행을 위한 기법 두 가지는 무엇인가?	PHM 수행을 위한 기법은 크게 두 가지로 구분된다. 하나는 물리적 고장모델에 기초하는 Model-based Approach이고 다른 하나는 수집된 데이터에 의해 구축된 대용모델을 이용하는 Data-driven Approach이다(An et al. 2015, Bae 2016, Kwon et al.
	상태기반정비 혹은 예지정비가 도입된 이유와 절차의 구성은 어떠한가?	상태기반정비 혹은 예지정비는 설비의 고장진단 문제를 다루기 위해 도입되어 왔으며 그 절차는 데이터획득 및처리, 진단, 고장예지, 의사결정지원 등으로 구성된다. 여기서 고장예지 (Prognostics)는 "an estimation of time to failure and risk for one or more existing and future failure mode"라고 ISO 13381-1에서 정의한 바와 같이 잔여수명의 추정을 골자로 하고 있다(Sikorska 2011).

참고문헌 (22)

An, D., Kim, N. H., and Choi, Joo-Ho. 2015. "Practical options for selecting data-driven or physics-based prognostics algorithms with reviews." Reliability Engineering and System Safety 133:223-236.

상세보기
Bae, S. J. 2016. "Data-based Prognostics and Health Management," IE Magazine 23(4):9-12.
Bazan, F. and Beck, A. 2013. "Stochastic process corrosion growth models for pipeline reliability." Corrosion Science 74:50-58.

상세보기
Cosham, A., Hopkins, P., and McDonald, K. 2007. "Best Practice for The Assessment of Defects in Pipelines." Engineering Failure Analysis 14:1245-1265.

상세보기
Dundulis, G., Zutautaitee, I., Janulionis, R., Usspuras, E., Rimkeviccius, S., and Eid, M. 2016. "Integrated failure probability estimation based on structural integrity analysis and failure data: Natural gas pipeline case." Reliability Engineering and System Safety 156:195-202.

상세보기
Hasan, S., Khan, F., and Kenny, S. 2012. "Probability assessment of burst limit state due to internal corrosion." International Journal of Pressure Vessels and Piping 89:48-58.

상세보기
IBM. 2017. http://www.ibm.com/blogs/internet-of-things/industry-4-0-meets-cognitive-iot/, Accessed October 31.
ISO. 2017. http://www.iso.org, Accessed October 31.
Kim, S. B., and Kang, S. H., 2016. "Data science leads 4th Industrial Revolution." IE Magazine 23(3):9-13.
Kim, S. J., Choe, B. H., Kim, W., and I. Kim. 2016. "A fuzzy inference based reliability method for underground gas pipelines in the presence of corrosion defects." Journal of Korean Institute of Intelligent Systems 26(5):343-350.

원문보기 상세보기
Kwon, D., Hodkiewicz, M. R., Fan, J., Shibutani, T., and Michael Pecht. 2016. "IoT-Based Prognostics and Systems Health Management for Industrial Applications." IEEE Access 4:3660-3670.
Javed, K., Gouriveau, R., and Zerhouni, N. 2017. "State of the art and taxonomy of prognostics approaches, trends of prognostics applications and open issues towards maturity at different technology readiness levels." Mechanical Systems and Signal Processing 94:214-236.

상세보기
Lee, J., Bagheri, B., and Kao, H. 2015. "A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems." Manufacturing Letters 3:18-23.

상세보기
Lee, S., and Youn, B D.. 2015. "Industry 4.0 and Prognostics and Health Management." Noise and Vibration 25(1):22-28.
Muller, A., Marquez, A., and Iung, B. 2008. "On the concept of e-maintenance." Reliability Engineering and System Safety 93:1165-1187.

상세보기
Nunez, D. L., and Milton Borsato. 2017. "An ontology-based model for prognostics and health management of machines." Journal of Industrial Information Integration 6:33-46.

상세보기
Ossai, C., Boswell, B., and Davies, I. 2015. "Pipeline failures in corrosive environments - A conceptual analysis of trends and effects." Engineering Failure Analysis 53:36-58.

상세보기
Pecht, M., and Rubyca Jaai. 2010. "A prognostics and health management roadmap for information and electronics- rich systems." Microelectronics Reliability 50:317-323.

상세보기
Seo, B., Jang, B., and Youn, B. D. 2015. "Prognostics and Its Engineering Applications with Vision." Noise and Vibration 25(1):7-15.
Sikorska, J., Hodkiewicz, M., and Ma, L. 2011. "Prognostic modelling options for remaining useful life estimation by industry." Mechanical Systems and Signal Processing 25:1803-1836.

상세보기
Zheng, X., and Fang, H. 2015. "An integrated unscented Kalman filter and relevance vector regression approach for lithium-ion battery remaining useful life and short-term capacity prediction." Reliability Engineering and System Safety 144:74-82.

상세보기
Zio, E. 2016. "Some Challenges and Opportunities in Reliability Engineering." IEEE Transactions on Reliability 65(4):1769-1782.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증