초록이 없습니다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 결과

문제 정의

• 각 모듈로 조합된 ITS현장장비는 모듈 각각의 고장 원인과 고장률이 상이하지만, 장비 전체적으로는 각 모듈의 고장 이장비의 고장으로 나타나는 직렬 구조라 할 수 있기 때문에 본연구에서는 각 구성 모듈의 고장률을 Stochastic Processes의 Pooled Pmcess를 활용하여 장비의 고장률을 산정하고, 점검 주기, 예비품 확보 등과 같은 활용방안을 모색하고자 한다.
• 다만 국내 센터의 경우, 비록 개별장비 이력은 없지만 구성 모듈의 고장을 총괄해서 정리하고 있는데와 같이 단순 고장을 제외한, 입고 수리와 같은 중정비를 요하는 경우만을 정리해 보았다.
• 본 연구는 여러 부품들로 구성된 ITS 장비의 MTBF (Mean Time Before Failures) 산정방법과 활용방법을 소개하고, 국내 ITS센터가 항공기 유지관리 시스템과 달리 부품 혹은 모듈별로 장비를 관리하는 이력관리 시스템을 갖고 있지 않은 상황에서 MTBF를 추정하는 Pooled Prwess로 추정하는 방안을 제시하였다. 물론 이력관리 시스템을 구축하는 것이 가장 바람직하나, 구축 후에도 자료를 수집하여 활용하려면 향후 몇 년은 또 기다려야 하기에 현재 획득 가능한 총괄 통계방식의 자료를 활용하여 유지관리체계를 설정하는 데 상당한 가치가 있을 것이다.
• 본 연구는 장비이력관리 시스템이 구축되어도 상당 기간 자료 누적이 이루어질 때까지는 어려움이 상존하는 바, Stochastic Processes의 Pooled Process를 기존 총괄통계 자료에 적용하여 MTBF를 산정하는 방안을 제시하였다. 본 연구는 ITS장비의 MTBF산정을 위해국내외에서 처음으로 시도된 연구로 추후 자료 확대를 통해 연구가 계속되어야 할 것이다.

가설 설정

• 통상 지수분포로 가정하여 계산하게 된다., 6) 특히여러개의 부품들로 구성된 장비의 경우는 각 부품들이 독립적으로 고장이 나는 경우가 많다고 알려져 있으며, 따라서, ITS 현장장비의 고 장 관련 분포가 무엇인지 알 수 없는 상황에서 본 연구는 지수분포로 가정하였다. 그러나 이 가정의 정확성은 별도의 자료 수집을 통해 검증되어야 할 것이다.
• 할 수 있다. 사실 엄밀히 구별하면, 고장 발견부터 원래의 성능을 복구하기 위한 조치까지의 정지 시간과 순수 수리 시간과는 차이가 있지만, 보통 수리 시간과 고장시간을 같다고 가정한다.

후속연구

• 그나마 총괄통계 자료는 보관되고 있는 바, 이를 분석하여 유지관리에 도움이 되는 정보를 가공하는 방안이 1차적으로 모색되어져야 하며 2차적으로는 장비 이력을 부품 및 모듈별로 관리하는 장비이력관리 시스템을 신속히 구축하고 이른 유지관리 인원, 장비계획 및 예산과 연동시켜 활용하는 유지관리시스템으로 확대시켜야 할 것이다.
• 만약 고장발생 시 교체가 장비 단위로 이루어진다면 1년에 30개의 완전한 VDS가 필요하겠지만, 모듈별로 교체가 이루어진다면, 각 모듈별로 6개〜11개만 보유하면 되므로, 비용 절감과 교체로 인한 시간 절감 등의 효과를 예상할 수 있을 것이다. 그러나 이와 같이 산정된 소요 수량은 평균 수량이기 때문에 만약 예비품 보유량을 설정한다면, 최소한 평균소요 수량이상을 보유해야만 안정적으로 ITS 현장 장비를 운영할 수 있을 것으로 판단된다.
• 다만, 여기서 소요되는 수량은 평균적인 값으로, 최적의 유지관리를 위해서는 최소한 평균 소요수량 이상의 예비품을 보유해야 할 것으로 판단된다.
• 또한, 각 모듈별로 평균적으로 소요되는 수량은 각'모듈별로 차지하는 고장률의 비중에 따라 계산할 수 있을 것이며 그에 따라 효율적인 예비품 확보 방안을 마련할 수 있을 것으로 생각된다. 다만, 여기서 소요되는 수량은 평균적인 값으로, 최적의 유지관리를 위해서는 최소한 평균 소요수량 이상의 예비품을 보유해야 할 것으로 판단된다.
• 제시하였다. 물론 이력관리 시스템을 구축하는 것이 가장 바람직하나, 구축 후에도 자료를 수집하여 활용하려면 향후 몇 년은 또 기다려야 하기에 현재 획득 가능한 총괄 통계방식의 자료를 활용하여 유지관리체계를 설정하는 데 상당한 가치가 있을 것이다.
• 산정하는 방안을 제시하였다. 본 연구는 ITS장비의 MTBF산정을 위해국내외에서 처음으로 시도된 연구로 추후 자료 확대를 통해 연구가 계속되어야 할 것이다.
• 예비품 보유와 더불어 유지관리 활동 중 중요한 요소인 최적 점검 주 기둥에 대해서도 Pooled Process활용을 고려할 수 있지만 점검의 경우, 장비 교체와 달리 경제적인 요소를 고려해야 하는 것으로 자료 추가를 통해 별도의 추가 연구를 수행할 예정이다.
• 위와 같이 계산되어진 MTBF를 활용하면 ITS 현장 장비에 대한 유지관리업무 중 향후 1년간 각 장비의 신뢰도를 산정할 수 있게 되며, 신뢰도와 비용을 연계시킨다면 고장으로 인한 장비 교체 주기나 소요수량 등을 사전에 예측할 수 있을 것이다. 예를 들어, 4개의 모듈로 구성되어 있는 100개의 VDS의 경우, 고장률은 4개의 모듈에 대한 각각의 MTBF를 계산한 후, Pooled Piwess를 이용하여 장비한 개의 MTBF를 계산하게 된다.
• 장비의 고장 발생이 지수분포를 따른다고 가정했을 때, 고장확률 밀도는 籽)=*»가 되고 여기서 冷MTBF의 역수이기 때문에 구성 부품들의 MTBF를 알고 있다면 고장률을 알 수 있고, 각 구성 부품들의 고장률 또한 지수분포를 따른다면, Pooled Process를 활용하여 그 부품들로 이루어진 장비의 고장률을 계산할 수 있을 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기