[논문]신뢰성 기반 강건 최적화를 이용한 자동채염기의 확률론적 구조설계

송창용

doi:10.21289/ksic.2020.23.5.799

신뢰성 기반 강건 최적화를 이용한 자동채염기의 확률론적 구조설계
Probabilistic Structure Design of Automatic Salt Collector Using Reliability Based Robust Optimization 원문보기

한국산업융합학회 논문집 = Journal of the Korean Society of Industry Convergence, v.23 no.5, 2020년, pp.799 - 807

Abstract ▼ AI-Helper

This paper deals with identification of probabilistic design using reliability based robust optimization in structure design of automatic salt collector. The thickness sizing variables of main structure member in the automatic salt collector were considered the random design variables including the uncertainty of corrosion that would be an inevitable hazardousness in the saltern work environment. The probabilistic constraint functions were selected from the strength performances of the automatic salt collector. The reliability based robust optimum design problem was formulated such that the random design variables were determined by minimizing the weight of the automatic salt collector subject to the probabilistic strength performance constraints evaluating from reliability analysis. Mean value reliability method and adaptive importance sampling method were applied to the reliability evaluation in the reliability based robust optimization. The three sigma level quality was considered robustness in side constraints. The probabilistic optimum design results according to the reliability analysis methods were compared to deterministic optimum design results. The reliability based robust optimization using the mean value reliability method showed the most rational results for the probabilistic optimum structure design of the automatic salt collector.

주제어

표/그림 (10)

그림 Fig. 1 System configuration and FEA model
그림 Fig. 2 Stress contour results of LC3 [unit: MPa]
표 Table 1. Design load cases
표 Table 2. Strength performance results
그림 Fig. 3 Concept of AISM[14]
표 Table 3. Definition of random variables
표 Table 4. Comparison of design optimum [unit: mm]
표 Table 5. Comparison of objective and constraint functions
그림 Fig. 4 Convergence results of objective function
그림 Fig. 5 Convergence results of constraint function

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 설계단계에서 자동채염기의 구조 설계에 대한 확률론적 최적설계를 구현하기 위해 신뢰성해석과 강건설계 방법을 융합한 신뢰성기반 강건 최적화(Reliability based robust optimization, RBRO)를 수행하였다. 해양염전 작업환경으로 인해 발생할 수 있는 부식을 불확실성으로 고려하여 자동채염기의 주요 구조부재의 두께치수는 랜덤변수(Random variable)로 고려하였으며, 강도성능은 확률제한조건함수(Probabilistic constraint function) 로 적용하였다.

제안 방법

신뢰성 기반 강건 최적화에서 고려된 주요 구조의 FEA 모델링 및 초기 설계 두께치수는 그림 1(b)에 나타나있다. FEA 모델의 구조부재는 쉘(shell) 요소로 생성되었고, 각 기계구성품의 중량은 집중질량 요소를 사용하여 구현하였으며, 각 구조부재의 연결과 집중질량 및 설계하중의 적용을 위해 강체연결요소(rigid link)를 사용하였다. Main frame, Rail frame, Collector frame 그리고 Bracket의 초기설계 두께치수는 각각 5.
해양염전 작업환경으로 인해 발생할 수 있는 부식을 불확실성으로 고려하여 자동채염기의 주요 구조부재의 두께치수는 랜덤변수로 고려하였으며, 강도성능은 확률제한조건함수로 적용하였다. RBRO 설계 문제는 신뢰성 해석으로부터 강도성능의 확률제한조건을 만족하면서 중량을 최소화할 수 있는 랜덤설계변수를 결정하도록 정식화하였고, 강건성은 부제약조건 상에 3 시그마 수준을 적용하였다. MVRM과 AISM 을 이용한 RBRO의 결과는 강건성과 신뢰성을 최적화 수렴과정에서 고려하기 때문에 결정론적 최적설계 결과 대비 모두 보수적인 설계결과를 나타내었고, 초기설계의 중량 기준으로 결정론적 최적 설계는 27%의 중량감소 결과를 나타낸 반면, MVRM 을 이용한 RBRO의 결과는 9.
강도성능은 실제 자동채염기의 작동조건을 반영한 하중경계조건을 적용하여 유한요소해석(Finite element analysis, FEA)을 기반으로 최대응력을 산출하여 평가하였다. RBRO 설계 문제는 신뢰성해석으로부터 강도성능의 확률제한조건을 만족하면서 중량을 최소화할 수 있는 랜덤설계변수를 결정하도록 정식화하였다. 또한 강건성은 부제약조건 상에 3 시그마 수준을 적용하였다.
확률제한조건함수는 3가지 강도 평가를 위한 하중조건에 대해 구조안전도 기준인 183 MPa 이하로 설정하였고, 신뢰성해석은 MVRM과 AISM을 각각 적용하였다. RBRO를 이용한 확률론적 최적설계의 특성을 비교하기 위해 결정론적 최적화를 수행하였으며, 결정론적 최적화의 정식화는 다음과 같다.
강도성능평가를 위한 하중조건은 표 1에 정리하였으며, 가장 가혹한 작동상태를 고려하기 위해 시스템 중량과 작동하중 상태를 조합하여 최대 적재조건(Loading, LC1), 최대 적재조건 하에서의 운전조건(Operating, LC2), 그리고 정지조건(Braking, LC3)으로 산정하였다. 표 1에서 관성하중(inertial load)은 중력방향, 작동조건 가속도는 이송방향, 그리고 정지조건 가속도는 이송방향과 반대방향으로 각각 적용하였다.
표 1에서 관성하중(inertial load)은 중력방향, 작동조건 가속도는 이송방향, 그리고 정지조건 가속도는 이송방향과 반대방향으로 각각 적용하였다. 경계조건은 Rail frame 하부에 장착된 각각 Wheel의 주행방향의 회전자유도를 제외한 나머지 자유도를 모두 구속하여 적용하였다.
구조해석은 범용 유한요소해석 프로그램인 Abaqus/ Implicit[8]를 이용하여 하중조건 별 최대응력(Max. von-Mises stress)을 산출하였고, 재료 항복응력을 기준으로 구조안전도를 평가하였다. 구조안전도 기준은 하중조건 별 최대응력이 재료항복강도의 85%인 183 MPa 이하인 경우에 적절한 것으로 판정하였다[9].
RBRO 설계 문제는 신뢰성해석으로부터 강도성능의 확률제한조건을 만족하면서 중량을 최소화할 수 있는 랜덤설계변수를 결정하도록 정식화하였다. 또한 강건성은 부제약조건 상에 3 시그마 수준을 적용하였다. 본 연구에서는 자동채염기의 확률론적 최적설계에 적합한 신뢰성해석 방법을 검토하기 위해 RBRO 과정에서 평균점 신뢰성해석 방법(Mean value reliability method, MVRM)과 적합중요도 샘플링 방법 (Adaptive importance sampling method, AISM)의 신뢰성해석 기법을 각각 적용하여 최적 설계 수렴결과, 수치계산 특성, 그리고 신뢰확률 결과를 비교하였다.
본 연구에서는 자동채염기의 확률론적 최적설계에 적합한 신뢰성해석 방법을 검토하기 위해 RBRO 과정에서 평균점 신뢰성해석 방법(Mean value reliability method, MVRM)과 적합중요도 샘플링 방법 (Adaptive importance sampling method, AISM)의 신뢰성해석 기법을 각각 적용하여 최적 설계 수렴결과, 수치계산 특성, 그리고 신뢰확률 결과를 비교하였다. 또한 결정론적 최적화를 수행하여 RBRO로부터 산출된 확률론적 최적화 결과의 특성을 검토하였다. 본 논문은 2장에서 FEA 기반 강도성능 평가 내용을 정리하였고, 3장에서는 RBRO, MVRM, 그리고 AISM에 대한 간략한 이론적 배경과 RBRO의 결과비교 내용을 기술하였으며, 마지막으로 결론에서 전체 연구내용을 정리였다.
본 연구에서는 설계단계에서 자동채염기의 구조 설계에 대한 확률론적 최적설계의 구현을 위해 MVRM과 AISM의 신뢰성해석을 이용하여 RBRO를 수행하였고 결정론적 최적설계의 결과와 비교하였다. 강도성능은 실제 자동채염기의 작동조건을 반영한 하중경계조건을 적용하여 FEA를 기반으로 최대응력을 산출하여 평가하였고, LC3의 하중조건에서 산출된 최대응력이 성능한계치에 가까운 상태이기 때문에 중량감소설계와 관련하여 설계인자의 불확실성을 고려한 확률론적 최적설계가 필요한 것으로 판단되었다.
또한 강건성은 부제약조건 상에 3 시그마 수준을 적용하였다. 본 연구에서는 자동채염기의 확률론적 최적설계에 적합한 신뢰성해석 방법을 검토하기 위해 RBRO 과정에서 평균점 신뢰성해석 방법(Mean value reliability method, MVRM)과 적합중요도 샘플링 방법 (Adaptive importance sampling method, AISM)의 신뢰성해석 기법을 각각 적용하여 최적 설계 수렴결과, 수치계산 특성, 그리고 신뢰확률 결과를 비교하였다. 또한 결정론적 최적화를 수행하여 RBRO로부터 산출된 확률론적 최적화 결과의 특성을 검토하였다.
강도성능평가를 위한 하중조건은 표 1에 정리하였으며, 가장 가혹한 작동상태를 고려하기 위해 시스템 중량과 작동하중 상태를 조합하여 최대 적재조건(Loading, LC1), 최대 적재조건 하에서의 운전조건(Operating, LC2), 그리고 정지조건(Braking, LC3)으로 산정하였다. 표 1에서 관성하중(inertial load)은 중력방향, 작동조건 가속도는 이송방향, 그리고 정지조건 가속도는 이송방향과 반대방향으로 각각 적용하였다. 경계조건은 Rail frame 하부에 장착된 각각 Wheel의 주행방향의 회전자유도를 제외한 나머지 자유도를 모두 구속하여 적용하였다.
강도성능은 실제 자동채염기의 작동조건을 반영한 하중경계조건을 적용하여 FEA를 기반으로 최대응력을 산출하여 평가하였고, LC3의 하중조건에서 산출된 최대응력이 성능한계치에 가까운 상태이기 때문에 중량감소설계와 관련하여 설계인자의 불확실성을 고려한 확률론적 최적설계가 필요한 것으로 판단되었다. 해양염전 작업환경으로 인해 발생할 수 있는 부식을 불확실성으로 고려하여 자동채염기의 주요 구조부재의 두께치수는 랜덤변수로 고려하였으며, 강도성능은 확률제한조건함수로 적용하였다. RBRO 설계 문제는 신뢰성 해석으로부터 강도성능의 확률제한조건을 만족하면서 중량을 최소화할 수 있는 랜덤설계변수를 결정하도록 정식화하였고, 강건성은 부제약조건 상에 3 시그마 수준을 적용하였다.

대상 데이터

FEA 모델의 요소 수와 절점 수는 각각 112,896개와 114,431개이며, 재료 물성치는 밀도 8,000 kg/m3 , 탄성계수 193 GPa, 프와송 비(Poisson’s ratio) 0.29, 그리고 항복강도 215 MPa인 오스테나이트계 스테인레스 강재(SUS316) 이다.

데이터처리

해양염전 작업환경으로 인해 발생할 수 있는 부식을 불확실성으로 고려하여 자동채염기의 주요 구조부재의 두께치수는 랜덤변수(Random variable)로 고려하였으며, 강도성능은 확률제한조건함수(Probabilistic constraint function) 로 적용하였다. 강도성능은 실제 자동채염기의 작동조건을 반영한 하중경계조건을 적용하여 유한요소해석(Finite element analysis, FEA)을 기반으로 최대응력을 산출하여 평가하였다. RBRO 설계 문제는 신뢰성해석으로부터 강도성능의 확률제한조건을 만족하면서 중량을 최소화할 수 있는 랜덤설계변수를 결정하도록 정식화하였다.

이론/모형

RBRO는 식 (1)과 같이 설계변수의 불확실성과 품질목표치인 시그마 수준을 고려하여 확률제한조건함수와 강 건성 부제약조건을 만족하면서 목적함수를 최소화할 수 있는 설계해를 탐색하는 방법이다. 최적설계해 탐색 제한조건 최적화 문제에 사용되는 순차적 근사최적화(sequential approximate optimization, SAO)[12]을 이용하였다. 확률제한조건함수는 신뢰성해석을 통해 평가되는데, 본 연구에서는 MVRM 과 AISM을 각각 적용하였다.
본 연구에서는 설계단계에서 자동채염기의 구조 설계에 대한 확률론적 최적설계를 구현하기 위해 신뢰성해석과 강건설계 방법을 융합한 신뢰성기반 강건 최적화(Reliability based robust optimization, RBRO)를 수행하였다. 해양염전 작업환경으로 인해 발생할 수 있는 부식을 불확실성으로 고려하여 자동채염기의 주요 구조부재의 두께치수는 랜덤변수(Random variable)로 고려하였으며, 강도성능은 확률제한조건함수(Probabilistic constraint function) 로 적용하였다. 강도성능은 실제 자동채염기의 작동조건을 반영한 하중경계조건을 적용하여 유한요소해석(Finite element analysis, FEA)을 기반으로 최대응력을 산출하여 평가하였다.
본 연구에서는 정상 작동상태를 기준으로 부식을 고려한 강도성능의 변동성을 검토하기 때문에 정규분포로 정의하였다. 확률제한조건함수는 3가지 강도 평가를 위한 하중조건에 대해 구조안전도 기준인 183 MPa 이하로 설정하였고, 신뢰성해석은 MVRM과 AISM을 각각 적용하였다. RBRO를 이용한 확률론적 최적설계의 특성을 비교하기 위해 결정론적 최적화를 수행하였으며, 결정론적 최적화의 정식화는 다음과 같다.
최적설계해 탐색 제한조건 최적화 문제에 사용되는 순차적 근사최적화(sequential approximate optimization, SAO)[12]을 이용하였다. 확률제한조건함수는 신뢰성해석을 통해 평가되는데, 본 연구에서는 MVRM 과 AISM을 각각 적용하였다.

성능/효과

AISM을 적용한 경우가 MVRM의 결과보다 좀 더 보수적인 설계결과를 나타내었고, 설계변수 t₁과 t₂의 결과는 동일한 반면, 설계변수 t₃부터 t₅의 확률론적 최적설계의 특성에서 차이가 발생한 것으로 나타났다. AISM 을 적용한 경우의 시그마 수준은 MVRM 대비 t3와 t4에서 20%와 77% 증가한 반면, t5에서는 33%감소하는 특성을 나타내었다. 이를 통해 RBRO의 신뢰성해석 방법에 따라 최종 수렴된 확률론적 최적설계변수 별 강건성에 차이가 발생하는 것을 알수 있다.
제한조건함수는 결정론적 최적 설계에서 LC1의 결과가 구조안전도 기준의 한계치에 근접하여 나타난 반면, MVRM과 AISM을 이용한 RBRO의 결과는 모두 7% 이상의 여유치를 확보하는 것으로 나타났다. AISM을 적용한 경우가 MVRM의 결과보다 좀 더 보수적인 설계결과를 나타내었고, 설계변수 t₁과 t₂의 결과는 동일한 반면, 설계변수 t₃부터 t₅의 확률론적 최적설계의 특성에서 차이가 발생한 것으로 나타났다. AISM 을 적용한 경우의 시그마 수준은 MVRM 대비 t3와 t4에서 20%와 77% 증가한 반면, t5에서는 33%감소하는 특성을 나타내었다.
RBRO 설계 문제는 신뢰성 해석으로부터 강도성능의 확률제한조건을 만족하면서 중량을 최소화할 수 있는 랜덤설계변수를 결정하도록 정식화하였고, 강건성은 부제약조건 상에 3 시그마 수준을 적용하였다. MVRM과 AISM 을 이용한 RBRO의 결과는 강건성과 신뢰성을 최적화 수렴과정에서 고려하기 때문에 결정론적 최적설계 결과 대비 모두 보수적인 설계결과를 나타내었고, 초기설계의 중량 기준으로 결정론적 최적 설계는 27%의 중량감소 결과를 나타낸 반면, MVRM 을 이용한 RBRO의 결과는 9.5%, AISM을 이용한 RBRO의 결과는 9.1%의 중량감소 결과를 각각 나타내었다. 수치계산 비용은 AISM을 적용한 경우에 파괴영역의 탐색을 위한 샘플링 횟수가 증가하여 가장 높게 나타났다.
그림 4와 5에 나타난 것처럼 RBRO의 최적화 수렴특성은 결정론적 최적화의 수렴특성과 비교하면 큰 차이를 나타내는데, 이는 RBRO은 최적화 수렴과정 중 신뢰성해석이 적용되기 때문으로 파악된다. MVRM과 AISM의 특성을 비교해 보면, 목적함수와 제한조건함수의 전체 수렴과정에서 AISM이 MVRM보다 보수적인 결과를 나타내었고, 제한조건함수에서 좀 더 보수적인 수렴 특성을 보였다. 또한 수렴과정에서 AISM의 변동성 MVRM 보다 크게 나타나는 것을 확인할 수 있는데, 이는 AISM이 각 수렴단계 별로 신뢰성해석에서 샘플링 횟수가 증가함에 따라 설계영역 검토 영역이 넓어졌기 때문을 볼 수 있다.
그림 2에 보여진 것처럼 LC3 에서 최대응력은 중앙부의 Bracket 부재에서 발생하였다. 강도성능 평가 결과로부터 구조설계의 구조안전도는 기준이하를 만족하고 있지만, LC3에서 안전여유치가 5% 미만으로 성능한계치에 가까운 상태이기 때문에 자동채염기의 중량감소 최적화를 위해서는 설계인자의 불확실성을 고려한 확률론적 최적설계가 필요한 것으로 판단되었다.
또한 수렴과정에서 AISM의 변동성 MVRM 보다 크게 나타나는 것을 확인할 수 있는데, 이는 AISM이 각 수렴단계 별로 신뢰성해석에서 샘플링 횟수가 증가함에 따라 설계영역 검토 영역이 넓어졌기 때문을 볼 수 있다. 결정론적 최적화에서는 설계변수의 불확성이 고려되지 않았기 때문에 최적설계점에서 LC1의 제한조건함수 특성이 구조안전도 한계치에 활성화되는 것으로 나타났다. 중량 감소율과 수치계산 비용을 고려하면 MVRM을 적용한 RBRO 방법이 자동채염기의 확률론적 최적 설계에 가장 적합한 것으로 나타났다.
1%의 중량감소 결과를 각각 나타내었다. 수치계산 비용은 AISM을 적용한 경우에 파괴영역의 탐색을 위한 샘플링 횟수가 증가하여 가장 높게 나타났다. 최적화 수렴특성과 관련하여 목적함수와 제한조건함수의 전체 수렴과정에서 AISM이 MVRM보다 보수적인 결과를 나타내었고, 제한조건함수에서 좀 더 보수적인 수렴 특성을 보였으며, 결정론적 최적화에서는 최적설계점에서 LC1의 제한조건함수 특성이 구조안전도 한계치에 활성화되는 것으로 나타났다.
이를 통해 RBRO의 신뢰성해석 방법에 따라 최종 수렴된 확률론적 최적설계변수 별 강건성에 차이가 발생하는 것을 알수 있다. 수치계산 비용은 함수평가횟수를 기준으로 비교하였으며, AISM을 적용한 경우가 가장 높게 나타났다. 이러한 수치계산 비용의 차이가 발생하는 원인은 AISM 경우 수렴과정에서 발생된 모든 함수평가에서 파괴영역의 탐색을 위한 신뢰성해석 수행 시 다수의 샘플을 분포시키는 반면, MVRM은 샘플링 없이 테일러급수 전개를 통한 근사적 평가만 수행하기 때문이다.
AISM 을 적용한 경우의 시그마 수준은 MVRM 대비 t3와 t4에서 20%와 77% 증가한 반면, t5에서는 33%감소하는 특성을 나타내었다. 이를 통해 RBRO의 신뢰성해석 방법에 따라 최종 수렴된 확률론적 최적설계변수 별 강건성에 차이가 발생하는 것을 알수 있다. 수치계산 비용은 함수평가횟수를 기준으로 비교하였으며, AISM을 적용한 경우가 가장 높게 나타났다.
1%의 중량감소 결과를 각각 나타내었다. 제한조건함수는 결정론적 최적 설계에서 LC1의 결과가 구조안전도 기준의 한계치에 근접하여 나타난 반면, MVRM과 AISM을 이용한 RBRO의 결과는 모두 7% 이상의 여유치를 확보하는 것으로 나타났다. AISM을 적용한 경우가 MVRM의 결과보다 좀 더 보수적인 설계결과를 나타내었고, 설계변수 t₁과 t₂의 결과는 동일한 반면, 설계변수 t₃부터 t₅의 확률론적 최적설계의 특성에서 차이가 발생한 것으로 나타났다.
결정론적 최적화에서는 설계변수의 불확성이 고려되지 않았기 때문에 최적설계점에서 LC1의 제한조건함수 특성이 구조안전도 한계치에 활성화되는 것으로 나타났다. 중량 감소율과 수치계산 비용을 고려하면 MVRM을 적용한 RBRO 방법이 자동채염기의 확률론적 최적 설계에 가장 적합한 것으로 나타났다.
결정론적 최적화에서는 설계변수의 불확성이 고려되지 않았기 때문에 최적설계점에서 LC1의 제한조건함수 특성이 구조안전도 한계치에 활성화되는 것으로 나타났다. 중량 감소율과 수치계산 비용을 고려하면 MVRM을 적용한 RBRO 방법이 자동채염기의 확률론적 최적 설계에 가장 적합한 것으로 나타났다.
표 4와 5에 나타난 것처럼 결정론적 최적설계 결과 대비 MVRM과 AISM을 이용한 RBRO의 결과는 모두 보수적인 설계결과를 나타내었다. 초기 설계의 중량인 187 kg을 기준으로 결정론적 최적 설계는 27%의 중량감소 결과를 나타낸 반면, MVRM을 이용한 RBRO의 결과는 9.5%, AISM을 이용한 RBRO의 결과는 9.1%의 중량감소 결과를 각각 나타내었다. 제한조건함수는 결정론적 최적 설계에서 LC1의 결과가 구조안전도 기준의 한계치에 근접하여 나타난 반면, MVRM과 AISM을 이용한 RBRO의 결과는 모두 7% 이상의 여유치를 확보하는 것으로 나타났다.
수치계산 비용은 AISM을 적용한 경우에 파괴영역의 탐색을 위한 샘플링 횟수가 증가하여 가장 높게 나타났다. 최적화 수렴특성과 관련하여 목적함수와 제한조건함수의 전체 수렴과정에서 AISM이 MVRM보다 보수적인 결과를 나타내었고, 제한조건함수에서 좀 더 보수적인 수렴 특성을 보였으며, 결정론적 최적화에서는 최적설계점에서 LC1의 제한조건함수 특성이 구조안전도 한계치에 활성화되는 것으로 나타났다. 중량감소율과 수치계산 비용을 고려하면 MVRM을 적용한 RBRO 방법이 자동채염기의 확률론적 최적설계에 가장 적합한 것으로 나타났다.
표 2에 나타난 것처럼 모든 하중조건에서 구조 안전도 기준을 만족하는 것으로 나타났고, LC3의 Bracket part에서 발생한 최대응력치가 가장 높게 나타났다. 하중조건 별 최대응력이 발생되는 구조 부재는 LC1에서 Main frame part, LC2에서 Rail frame part, 그리고 LC3에서 Bracket part로 각각 나타났으며, 모든 하중조건에서 Collector frame part의 응력수준이 가장 낮게 나타났다.
표 4와 5에 나타난 것처럼 결정론적 최적설계 결과 대비 MVRM과 AISM을 이용한 RBRO의 결과는 모두 보수적인 설계결과를 나타내었다. 초기 설계의 중량인 187 kg을 기준으로 결정론적 최적 설계는 27%의 중량감소 결과를 나타낸 반면, MVRM을 이용한 RBRO의 결과는 9.
표 2에 나타난 것처럼 모든 하중조건에서 구조 안전도 기준을 만족하는 것으로 나타났고, LC3의 Bracket part에서 발생한 최대응력치가 가장 높게 나타났다. 하중조건 별 최대응력이 발생되는 구조 부재는 LC1에서 Main frame part, LC2에서 Rail frame part, 그리고 LC3에서 Bracket part로 각각 나타났으며, 모든 하중조건에서 Collector frame part의 응력수준이 가장 낮게 나타났다. 응력분포 결과는 대표적으로 LC3에 대해 그림 2에 나타내었다.

후속연구

본 연구에서는 설계단계에서 자동채염기의 구조 설계에 대한 확률론적 최적설계의 구현을 위해 MVRM과 AISM의 신뢰성해석을 이용하여 RBRO를 수행하였고 결정론적 최적설계의 결과와 비교하였다. 강도성능은 실제 자동채염기의 작동조건을 반영한 하중경계조건을 적용하여 FEA를 기반으로 최대응력을 산출하여 평가하였고, LC3의 하중조건에서 산출된 최대응력이 성능한계치에 가까운 상태이기 때문에 중량감소설계와 관련하여 설계인자의 불확실성을 고려한 확률론적 최적설계가 필요한 것으로 판단되었다. 해양염전 작업환경으로 인해 발생할 수 있는 부식을 불확실성으로 고려하여 자동채염기의 주요 구조부재의 두께치수는 랜덤변수로 고려하였으며, 강도성능은 확률제한조건함수로 적용하였다.

참고문헌 (15)

Korea Maritime Institute(KMI), KMI Trend Analysis, 161, Seoul, (2019).
Christopher D. E. and Masoud R., "Integrated reliability and sizing optimization of a large composite structure," Marine Structures, vol. 22, no. 2, pp. 315-334, (2009).

상세보기
Song, C. Y., Lee, J. and Choung, J., "Reliability-based Design Optimization of an FPSO Riser Support Using Moving Least Squares Response Surface Meta-models," Ocean Engineering, vol. 38, no. 1, pp. 304-318, (2011).
Bai, Y., Tang, J., Xu, W. and Ruan, W., "Reliability-based design of subsea light weight pipeline against lateral stability. Marine Structures," vol. 43, no. 1, pp. 107-124, (2015).
Yin, F., Nie, S., Ji, H. and Huang, Y., "Non-probabilistic reliability analysis and design optimizaiotn for vavel-port plate pair of seawater hydraulic pump for underwater apparatus," Ocean Engineering, vol. 163, no. 1, pp. 337-347, (2018).
Park, J. H., Lee, D., Yang, J. W. and Song, C. Y., "Design Enhancement to Avoid Radar Mast Resonance in Large Ship using Design of Experiments," Journal of Ocean Engineering and Technology, vol. 33, no. 1, pp. 50-60, (2019).
Sung, K. Y., Cho, S. G., Oh, J. W., Yeu, T. K., Hong, S. and Kim, H., "Application of Verification & Validation for Deepsea Mining Robot Technology Development," Journal of The Korean Society of Industry Convergence, vol. 22, no. 6, pp. 689-702, (2019).
Simulia, Abaqus User Manual. Simulia, (2018).
DNV-GL, Structural design of offshore units WSD method, Det Norske Veritas, (2015).
Phadke, M. S., Quality Engineering using Robust Design, Prentice Hall, Englewood Cliffs, New Jersey, (1989).
Sim, H. M., Song, C. Y., Lee, J. and Choi, H., "Study of Reliability-Based Robust Design Optimization Using Conservative Approximate Meta-Models," Journal of Ocean Engineering and Technology, vol. 26, no. 6, pp. 80-85, (2012).
Haftka, R. T. and Gurdal, Z., Elements of Structural Optimization, Kluwer Academic Publishers, Dordrecht, (1991).
Hsieh, C. C. and Oh, K. P., "MARS: A Computer-Based Method for Achieving Robust Systems," FISITA Conference, The Integration of Design and Manufacture, vol. 1, no. 1, pp. 115-120, (1992).
Wu, Y., "Computational Methods for Efficient Structural Reliability and Reliability Sensitivity Analysis," AIAA Journal, vol. 32, no. 8, pp. 1717-1723, (1994).

상세보기
Han, J. W., and Park, Y.S., "Evaluation of Corrosion Characteristics of Pipeline Material (SUS316) for the Geothermal Power Plant," Korean Journal of Air-Conditioning and Refrigeration Engineering, vol. 24, no. 2, pp. 142-146, (2012).

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