최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기기계저널 : 大韓機械學會誌, v.57 no.3, 2017년, pp.38 - 41
윤병동 (서울대학교 기계항공공학부) , 황태완 (서울대학교 기계항공공학부) , 조수호 (서울대학교 기계항공공학부) , 이동기 (서울대학교 기계항공공학부) , 나규민 (서울대학교 기계항공공학부)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
기계학습기술을 PHM에 접목시키기 위해 어떤 기계학습을 활용해야 하는가? | 또한 딥러닝(deep learning) 기술을 활용하여 시스템에 대한 적은 물리적 이해를 바탕으로도 건전성 특징인자를 추출하는 연구도 진행되고 있다. 이러한 기계학습을 구현하기 위해서 인공신경망(Artificial neural network),kNN(k Nearest Neighbor), 서포트 벡터 머신(Support vector machine), 의사결정 트리(Decision tree) 등이 활용된다. 아래 각 섹션에는 인공지능을 활용한 PHM 사례를 소개하고 인공지능을 활용하기 위한 주의 점을 정리하고자 한다. | |
시스템 고장진단 및 예지기술은 무엇인가? | 향후 산업설비의 용량 및 복잡도가 증가할 것을 고려하면 신뢰성 있는 시스템 관리는 중요한 문제이다. 이에 대한 대안으로, 센서를 이용해 산업설비의 상태를 모니터링하여 고장을 진단하고 잔여유효수명을 예측하는 시스템 고장진단 및 예지기술(Prognostic and Health Management, 이하 PHM)이 주목을 받고 있다. | |
인공지능은 어떤 기술을 활용하여 현실화 되고 있는가? | 최근에는 인공지능(Artificial Intelligence) 기술을 활용하여 이러한 문제점을 극복하려는 연구가 활발히 진행되고 있다. 인공지능이란 ‘인간의 학습능력과 추론능력, 지각능력 등을 컴퓨터 프로그램으로 실현한 기술’을 의미하며 특히 기계학습(machine learning) 기술을 활용하여 현실화되고 있다. 기계학습기술을 활용하면 다차원의 방대한 데이터를 학습하여 새로운 데이터의 속성을 분류하고 예측할 수 있다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.