[논문]베이지안 방법을 이용한 PCB 제조공정의 펌프 고장 데이터 합성

우정재; 김민환; 추창엽; 백종배

doi:10.14346/jkosos.2020.35.1.79

베이지안 방법을 이용한 PCB 제조공정의 펌프 고장 데이터 합성
Synthesizing Failure Data of Pump in PCB Manufacturing using Bayesian Method 원문보기

한국안전학회지 = Journal of the Korean Society of Safety, v.35 no.1, 2020년, pp.79 - 86

우정재 (한국교통대학교 안전공학과) , 김민환 (한국교통대학교 안전공학과) , 추창엽 (한국교통대학교 안전공학과) , 백종배 (한국교통대학교 안전공학과)

Abstract ▼ AI-Helper

Failure data that has systematically managed for a long time has high reliability to an estimated volume. But since much cost and effort are needed to secure reliability data, data from overseas country is used in quantitative risk analysis in many workplaces. Reliability of the data that can be collected in workplaces can be dropped because of insufficient sample or lack of observation time. Therefore, estimated data is difficult to use as it is and environment and characteristic of the workplace cannot be reflected by using data from overseas country. So this study used Bayesian method that can be used reflecting both reliability data from overseas country and workplace failure data that has less samples. As a setting toward difficult situation that securing sufficient failure data cannot be achieved, we composed workplace failure data equivalent to mass observation time 20%(t=17000), 40%(t=24000), 60%(t=31000), 80%(t=38000) and IEEE data by using Bayesian method.

주제어

표/그림 (11)

그림 Fig. 1. Reliability data acquisition status.
그림 Fig. 2. Study methods and scope.
표 Table 1. Comparison of overseas reliability database
그림 Fig. 3. P&ID used for HAZOP(Extraction of out layer imaging P&ID).
표 Table 3. HAZOP results
표 Table 2. Possible exit statuses
그림 Fig. 4. Distribution Identification plot.
그림 Fig. 5. Weibull distribution non-reliability function.
표 Table 4. Anderson - Darling statistics by distribution
그림 Fig. 6. Failure rate curve by data.
표 Table 5. Average data correspondence with true value

AI 본문요약
AI-Helper

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

문제 정의

의 데이터 선택⋅분석 방법론을 기반으로 부식성 물질을 사용하는 인쇄회로기판 제조공정의 고장 데이터를 분석하여 산업 현장의 특성을 반영한 고장률을 추정하고자 한다. 또한, 국외 문헌의 데이터에 산업 현장 고장 데이터를 반영할 수 있는 베이지안 합성 고장률 데이터와 문헌의 고장률 데이터를 실제 인쇄 회로기판 제조공정의 고장률 데이터와 비교하여 베이지안 합성 방법의 효용성을 확인하고자 한다.
이 연구는 CCPS(The Center for Chemical Process Safety)의 ‘Guidelines for Improving Plant ReliabilityThrough Data Collection and Analysis(1998)^3)’의 데이터 선택⋅분석 방법론을 기반으로 부식성 물질을 사용하는 인쇄회로기판 제조공정의 고장 데이터를 분석하여 산업 현장의 특성을 반영한 고장률을 추정하고자 한다. 또한, 국외 문헌의 데이터에 산업 현장 고장 데이터를 반영할 수 있는 베이지안 합성 고장률 데이터와 문헌의 고장률 데이터를 실제 인쇄 회로기판 제조공정의 고장률 데이터와 비교하여 베이지안 합성 방법의 효용성을 확인하고자 한다.

가설 설정

다만 고장률을 상수값으로 제시하고 있으며, 사업장에서 위험성평가 시 해당 설비의 사용 기간과는 무관하게 국외데이터베이스의 고장률을 그대로 인용하고 있다. 따라서 부품의 사용기간과 무관하게 고장률이 일정하다는 특성을 가진 지수분포를 따른다고 가정하였다.
해당 사업장의 고장 이력을 조사하여 2008~2017년까지 고장이력이 존재하는 43개의 펌프 중 유량, 사용 압력, 운전 온도 등의 작업 조건이 유사한 17개 펌프의 고장 이력을 분석하였다. 분석을 위해 분석의 시작과 종료는 고장 발생에 영향을 주지 않고, 고장은 한 번 발생하며, 설치 이후 분석 시간동안 대상의 유지 보수수준이 동일하다고 가정하였다. 또한 부적절한 설치, 사용자의 과오가 고장의 원인으로 추정되는 초기고장기간의 데이터는 분석에서 제외하였다.
사례연구의 표본 분포는 Anderson-Darling 통계량이 가장 작은 와이블 분포를 따른다고 설정하였다. 고장빈도 데이터 분석 결과 95% 신뢰도 구간에서 추정한 관찰시간별 불 신뢰도와 형상모수, 척도모수는 Fig.

제안 방법

SCENARIO SELECTION 단계에서는 HAZOP을 통해 도출된 시나리오 중, 위험성이 높은 시나리오 이탈상태의 원인이 되었던 펌프의 고장 시나리오를 선택하였다.
베이지안 방법을 이용하여 IEEE의 고장 데이터와 PCB 제조공정의 고장 데이터 합성 시, 고장 데이터 확보가 어려운 상황에 대한 설정으로 관찰시간을 전체관찰시간의 20%(t=17000), 40%(t=24000), 60%(t=31000),80%(t=38000)로 나누어 합성하였고 결과를 참값(PCB제조공정의 데이터)과 비교하였다.
첫째, 국외 신뢰도 데이터와 표본이 미비하다고 설정한 사업장 고장 데이터 두 가지 모두를 활용한 추정량과 참값(PCB 제조공정 데이터)을 비교하였다.
그러므로 국외신뢰도 데이터와 표본이 작은 사업장 고장 데이터를 모두 사용할 수 있는 베이지안 방법을 사례연구 하였다. 충분한 고장 데이터 확보가 어려운 상황에 대한 설정으로 전체관찰시간의 20%(t=17000), 40% (t=24000), 60%(t=31000), 80% (t=38000)에 해당하는 사업장 고장 데이터를 베이지안 방법을 이용해 IEEE의 데이터와 합성하였고 그 결과는 다음과 같다.

대상 데이터

SYSTEM DESCRIPTION 단계에서는 국내 인쇄회로기판(PCB, Printed Circuit Board) 제조 공장의 DF공정을 분석 대상공정으로 설정하였다.
고장 데이터의 합성을 위해 사례연구의 펌프와 가장 유사한 환경의 데이터로 판단되는 IEEE, Rotary pump의 under 500GPM 고장률 값을 사용하였다. IEEE는 고장률에 대한 표준편차 값과 분포를 제시하지 않는다.
사업장에서 수집할 수 있는 데이터는 고장⋅사고수의 부족으로 표본이 불충분하거나 관찰시간이 짧아 데이터를 그대로 사용하기에는 어려움이 있고, 국외 데이터만을 사용하는 것은사업장 환경과 특성을 반영할 수 없다. 그러므로 국외신뢰도 데이터와 표본이 작은 사업장 고장 데이터를 모두 사용할 수 있는 베이지안 방법을 사례연구 하였다. 충분한 고장 데이터 확보가 어려운 상황에 대한 설정으로 전체관찰시간의 20%(t=17000), 40% (t=24000), 60%(t=31000), 80% (t=38000)에 해당하는 사업장 고장 데이터를 베이지안 방법을 이용해 IEEE의 데이터와 합성하였고 그 결과는 다음과 같다.
2008~2017년도 해당 사업장의 고장데이터를 조사한 결과 여러 원인들 중 펌프의 고장이 43건으로 가장 많은 빈도를 차지하였으며, 위험성이 높다고 분석되었다. 따라서 고장률 분석 대상은 옥내저장탱크에서 부식성 물질을 이송하는 펌프로 하였다.
사례연구의 대상은 국내소재의 PCB 제조 사업장이다. PCB 제조공정은 Inner Layer Imaging, Cu Plating,Out Layer Imaging, S/M 등 크게 12가지 공정이 있고 고장 이력은 데이터베이스에 기록된다12).
PCB 제조공정은 Inner Layer Imaging, Cu Plating,Out Layer Imaging, S/M 등 크게 12가지 공정이 있고 고장 이력은 데이터베이스에 기록된다12). 이 연구는2008~2017년도의 데이터를 분석 대상으로 하였다. 고장 이력은 작성 일시, 작성자, 팀명, 장치 설치 일자, 수리 시작 일자, 기계 이름, 고장 명, 고장 사유, 고장원인으로 작성된다.
주로 이용되는 GenericFailure Data는 OREDA, CCPS, IEEE, OGP의 데이터가 있으며 이들을 비교하면 Table 1과 같다. 이 연구에선 고장률 분석 대상설비와 사용 환경이 유사하다고 판단되며 펌프의 타입⋅유량까지 제시된 IEEE, Rotary pump의 under 500GPM 고장률데이터를 활용하였다.
정량적 평가를 위하여, 문헌을 통한 일반적 고장 데이터와 현장조사를 통해 설비에 대한 실제 고장 데이터를 수집할 수 있다. 수집한 데이터를 모두 고려한 추정치를 얻고자 할 때 베이지안 방법을 사용하며, 추정에 필요한 정보와 수식은 다음과 같다.
해당 사업장의 고장 이력을 조사하여 2008~2017년까지 고장이력이 존재하는 43개의 펌프 중 유량, 사용 압력, 운전 온도 등의 작업 조건이 유사한 17개 펌프의 고장 이력을 분석하였다. 분석을 위해 분석의 시작과 종료는 고장 발생에 영향을 주지 않고, 고장은 한 번 발생하며, 설치 이후 분석 시간동안 대상의 유지 보수수준이 동일하다고 가정하였다.
CHECK DATA APPLICABILITY 단계에서는, 공정 내 수많은 펌프 중 유량, 사용 압력, 운전 온도 등의 작업 조건이 유사한 펌프들을 조사하여 총 17개 펌프의 고장이력을 사용하였다. 해외 신뢰도 데이터베이스에선 연구대상 설비와 사용 환경이 유사하다고 판단되며 펌프의 타입⋅유량까지 제시된 IEEE, Rotary pump의 under 500GPM 고장률데이터를 활용하였다.

데이터처리

CALCULATE LIKELIHOOD 단계에서는 와이블 분포를 이용하여 사업장의 신뢰도 함수와 고장률 함수를 추정하였고, MINITAB 16 S/W를 활용하여 분포 적절성을 검토하였다. COMBINE RELIABILITY 단계에서는 안전보건공단의 ‘신뢰도 데이터의 국내 활용가능알고리즘 및 데이터 Storage Bed 개발^2)’ 연구보고서에 산업현장 특성을 반영하기 제시된 베이지안 방법을 활용하여 PCB 제조공정의 고장데이터와 IEEE의 고장데이터를 합성한 데이터를 비교⋅분석하였다.
CALCULATE LIKELIHOOD 단계에서는 와이블 분포를 이용하여 사업장의 신뢰도 함수와 고장률 함수를 추정하였고, MINITAB 16 S/W를 활용하여 분포 적절성을 검토하였다. COMBINE RELIABILITY 단계에서는 안전보건공단의 ‘신뢰도 데이터의 국내 활용가능알고리즘 및 데이터 Storage Bed 개발^2)’ 연구보고서에 산업현장 특성을 반영하기 제시된 베이지안 방법을 활용하여 PCB 제조공정의 고장데이터와 IEEE의 고장데이터를 합성한 데이터를 비교⋅분석하였다.
표본에 이용한 분포가 적합하지 않으면 신뢰도 추정치 또한 부정확해진다. 따라서 Minitab의 Distribution Identification plot기능을 활용하여 표본의 Anderson-Darling 통계량을 분석하였다.

이론/모형

이 연구는 일반적인 정량적 위험성 평가 수행절차를 따른다. 대상공정에 HAZOP(Hazard and Operability Study)을 이용하여 발생 가능한 모든 시나리오를 조사하였고 위험성이 높은 시나리오를 도출하였다. 특히 위험성이 높은 시나리오에 대한 빈도 분석에 초점을 두었으며 구체적인 절차는 Fig.
그러나 국외 데이터베이스의 데이터와 사례연구의 데이터는 특성이 동일하다고 볼 수 없기 때문에 신뢰로 데이터를 단순통계로 구할 수 없다. 따라서 데이터의 분포함수를 고려한 신뢰도 추정이 필요하며 사례연구에선 베이지안 방법을 이용해 고장 데이터를 합성하였다.

성능/효과

IEEE의 고장 빈도 데이터와 전체 관찰시간에 20%에 해당하는 PCB 제조공정 고장 빈도 데이터 합성 시 참값과 평균 51.77%의 일치도로 분석되었다.
둘째, 베이지안 방법을 통한 통계 추정량의 평균은 IEEE 데이터의 통계 추정량의 평균보다 수치적으로 참값에 근접함을 확인하였다.
셋째, 참값의 고장률은 IEEE의 고장률과는 다르게, 공정 특성을 반영하여 증가하는 형태를 보인다. 이는 부식성 물질사용 시 장치가 마모고장을 일으킨다는 해당 공정의 특성을 나타낸다.
전체 관찰시간에 40%에 해당하는 PCB 제조공정 고장 빈도 데이터 합성 시 참값과 평균 53.47% 일치도를 보였으며, 60%에 해당하는 PCB 제조공정 고장 빈도데이터 합성 시 참값과 평균 63.18% 일치도를 보였다. 전체 관찰시간에 80%에 해당하는 PCB 제조공정 고장 빈도 데이터 합성 시 참값과 평균 72.

질의응답

핵심어	질문	논문에서 추출한 답변
	정량적 위험성평가를 위해 산업 현장에서 수집할 수 있는 데이터의 문제점은?	이 보고서에 따르면 국내 19개 컨설팅 기관의 68%가 해외의 신뢰도 데이터를 활용하고 있는 것으로 나타났다. 산업 현장에서 수집할 수 있는 데이터는 고장⋅사고 수의 부족으로 표본이 불충분하거나, 관찰시간이 짧아 데이터의 신뢰도가 떨어질 수 있다. 따라서 산출한 데이터를 그대로 사용하기에는 어려움이 있고, 국외 데이터만을 인용하는 것은 산업 현장의 환경과 특성을 반영할 수 없다.
	위험성평가란?	위험성평가는 유해⋅위험요인을 파악하고 해당 유해위험요인에 의한 부상 또는 질병의 발생 가능성(빈도)과 중대성(강도)을 추정⋅결정하고 감소대책을 수립하여 실행하는 일련의 과정을 말한다. 이 연구는 일반적인 정량적 위험성 평가 수행절차를 따른다.
	정량적 위험성평가를 위해 국외의 데이터베이스를 활용하는 것의 문제점은?	산업 현장에서 수집할 수 있는 데이터는 고장⋅사고 수의 부족으로 표본이 불충분하거나, 관찰시간이 짧아 데이터의 신뢰도가 떨어질 수 있다. 따라서 산출한 데이터를 그대로 사용하기에는 어려움이 있고, 국외 데이터만을 인용하는 것은 산업 현장의 환경과 특성을 반영할 수 없다. 이와 같은 어려움을 해결하고자 안전보건공단에서 ‘화학사고 예방을 위한 정량적 위험성 평가의 신뢰도 데이터활용방안1)’을 선행연구로 ‘신뢰도 데이터의 국내 활용 가능 알고리즘 및 데이터 Storage Bed 개발2)’등 국내 데이터베이스 구축을 위한 연구가 진행되었다.

참고문헌 (12)

KOSHA, Reliability Data Utilization of Quantitative Risk Assessment for Chemical Accident Prevention, 2015.
KOSHA, Developed Algorithm and Data Storage Bed for Reliability Data in Korea, 2016.
CCPS, "Guidelines for Improving Plant Reliability Through Data Collection and Analysis", 1998.
OREDA, "Offshore Reliability Data Handbook - 6th Edition", 2015.
CCPS, "Guidelines for Chemical Process Quantitative Risk Analysis 2nd Edition", 2000.
OGP, "Process Release Frequencies", 2010.
IEEE, "Reliability Data for Pumps and Divers Valve Actuators and Valves", 1984.
CCPS, "Guidelines for Process Equipment Reliability Data with Data Tables", 2010.
J. Y. Jang, "Bayesian Estimation for Failure Rate of Competing Risks Model", Master's Thesis of Hanyang University, Seoul, pp. 13-15, 2009.
Y. J. Kim, "A Study of Bayesian Inference on Auto Insurance Credibility Application", Journal of the Korean Data&Information Science Society, Vol. 27, No. 4, pp. 693-695, 2013.
W. R. Kwang, "A Development on Reliability Data Integration Program", J. Korean Soc. Saf, Vol. 18, No. 4, pp. 164-168, 2003.
C. Y. Chu, "The Safety Design of Corrosive Chemical Handling Process based on Reliability Database, J. Korean Soc. Saf, Vol. 33, No. 5 , pp. 141-149, 2018.

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