최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국기계가공학회지 = Journal of the Korean Society of Manufacturing Process Engineers, v.18 no.9, 2019년, pp.52 - 57
최홍 (금오공과대학교 기계시스템공학과) , 김태경 (금오공과대학교 기계시스템공학과) , 허경린 (금오공과대학교 기계시스템공학과) , 최성대 (금오공과대학교 기계시스템공학과) , 허장욱 (금오공과대학교 기계시스템공학과)
The key technology of the fourth industrial revolution is artificial intelligence and machine learning. In this study, FMEA was performed on fuel pumps used as key items in most systems to identify major failure components, and artificial neural networks were built using big data. The main failure m...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
예지 보전 시스템이란 무엇인가? | 현재 대부분의 산업용 장비는 설비의 상태를 고려하지 않고, 예방정비를 통해 사용기간이 만료된 것은 무조건 교환하는 방식이기 때문에 과도한 유지보수 비용을 초래하기도 한다. 이를 보완한 것이 예지 보전 시스템이라 할 수 있으며, 이는 고장예지 및 건전성관리의 핵심기술로 유비쿼터스 센서 네트워크(USN : Ubiquitous sensor network)를 이용하여 산업용 장비의 상태를 모니터링하고, 고장의 징후를 포착하는 진단기술과 잔여 유효수명(RUL : Remaining useful life)의 예지 및 효과적인 건전성관리 기술(Health management)을 의미한다[3,4]. | |
예지 보전 시스템은 기존 예방정비의 어떠한 점을 보완할 수 있는가? | 4차산업 혁명으로 대변되는 인공지능은 상태 진단(Diagnostic)을 위해 다량의 정보를 감지(Sensing)하는 기술과 이를 실시간으로 처리하는 빅 데이터 기술 및 예지(Prognostic)하는 기술을 기반으로 하고 있다[1-2]. 현재 대부분의 산업용 장비는 설비의 상태를 고려하지 않고, 예방정비를 통해 사용기간이 만료된 것은 무조건 교환하는 방식이기 때문에 과도한 유지보수 비용을 초래하기도 한다. 이를 보완한 것이 예지 보전 시스템이라 할 수 있으며, 이는 고장예지 및 건전성관리의 핵심기술로 유비쿼터스 센서 네트워크(USN : Ubiquitous sensor network)를 이용하여 산업용 장비의 상태를 모니터링하고, 고장의 징후를 포착하는 진단기술과 잔여 유효수명(RUL : Remaining useful life)의 예지 및 효과적인 건전성관리 기술(Health management)을 의미한다[3,4]. | |
인공지능은 어떤 기술을 기반으로 운용되는가? | 4차산업 혁명으로 대변되는 인공지능은 상태 진단(Diagnostic)을 위해 다량의 정보를 감지(Sensing)하는 기술과 이를 실시간으로 처리하는 빅 데이터 기술 및 예지(Prognostic)하는 기술을 기반으로 하고 있다[1-2]. 현재 대부분의 산업용 장비는 설비의 상태를 고려하지 않고, 예방정비를 통해 사용기간이 만료된 것은 무조건 교환하는 방식이기 때문에 과도한 유지보수 비용을 초래하기도 한다. |
Choi, H., Kim, T. K., Heo, G. R., Hur, J. W. and Choi, S. D., "A Study on the Prediction of Failure of Fuel Pump Based on Big Data and Machine Learning", Proceedings of the KSMPE Spring Conference, pp. 231, 2019.
Kim, B. R., Lee, Y. H., Roh, H. U., Kim, D. J. and Kim, K. J., "Deep Learning System Based on Time Series Data for Robot Prognostics", 2018 Summer Conference of IEICE, pp. 1340-1342, 2018.
Kim, S. H., Chang, M. S., Lee, K. S., Lee, S. K., Baek, M. H. and Park, J. W., "A Study on the Life Prediction of Vibro-hammer Structure Part Using Field Data", Proceedings of the KSME Spring Conference, pp. 1640-1645, 2018.
Ashwini, K., Lukumon, O., Marina, M. and Gehan, S., "Big data: A New Revolution in the UK Facilities Management Sector", Royal Institution of Chartered Surveyors (RICS), 2018.
Seo, B. S., Jang, B. C. and Hwang, S. D., "Success Cases and Vision in Engineering System of Failure Prediction Diagnosis Technology", The Korea Society for Noise and Vibration Enginnering(KSNVE), Vol. 25, No. 1, pp. 7-15, 2015.
Lee, J. H., "A Study on Automation of Big Data Quality Diagnosis Using Machine Learning", The Korean Journal of Big Data, Vol. 2, No. 2, pp. 75-86, 2017.
Park, H. Y. and Lee, K. Y., "Pattern Recognition and Machine Learning Foundation to Use", Ehan Publication, pp. 236-237, 2011.
Cho, H., Cha, D. W., Lee, H. S. and Jung, S. S., "Survey of Prognostics and Health Management Processes in Automotive Lead-acid Batteries for Estimating Remaining Useful Life in Real Time", 2014 Fall Conference of the Korean Society of Industrial and Engineering Engineers, pp. 2883-2888, 2014.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.