[논문]자동화 시스템의 고장예측 사례 연구

강길순; 이승연; 임유철; 이종효; 유준

자동화 시스템의 고장예측 사례 연구
Case Study on Fault Prediction of Automated System 원문보기

강길순 (충남대학교) , 이승연 (충남대학교) , 임유철 (충남대학교) , 이종효 (국방과학연구소) , 유준 (충남대학교)

본 연구는 기존의 고장진단 기법들을 토대로 주어진 자동화 시스템에 실제 적용이 가능한 고장예측 알고리즘을 제시한다. 고장예측은 시스템이 운용되는 도중에 제한된 정보와 컴퓨터 자원을 이용하여 수행되어야 하므로 실시간 적용을 위하여 2단계로 구분하여 수행된다. 첫 번째는 실시간 고장예측 단계로서 시스템 운용 중에 시스템의 고장 징후를 탐지하는 역할을 하며, 두 번째는 오프라인 고장예측 단계로서 실시간으로 고장 징후가 탐지되면 시스템의 작동을 멈춘 후 고장의 징후를 분류하고 식별하는 역할을 수행한다 원활한 고장예측 알고리즘을 도출하기 위해 자동화 시스템의 이산사건 모델과 연속시간 모델을 수립하였으며, 이들을 통합한 공정모델에 대하여 하이브리드 시뮬레이션 환경을 구축하였다. 제안된 기법은 자동화 시스템의 공정모델에 기구부, 모터부에 대한 고장모델을 부가하여 컴퓨터 시뮬레이션을 통하여 타당성을 검증하였다.

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

문제 정의

본 연구는 기존의 고장진단 기법들을 토대로 자동화 공정 시스톋에 실체 적용이 가능한 고장예측 알고리즘을 제시한다. 고장예측은 시스템이 운용하는 도중 예 제한된 정보와 컴퓨터 자원을 이용하여 수행되어야 하므로 실시간 적용을 위하여 2단계로 구분하여 수행하였다.
본 연구에서 자동화시스템애 대한 고장예측 기법을 무기체계의 자동화 시스템을 댸상으로 도출하였다. 실시간 적용을 위하여 고창예측 단계룔 실시간 고창예측과 오프라인 고장예측으로 구분하였으며 실시간 고장예측 윤 제한돤 정보 빛 시간제약상 카이스뽸어룔이용한 문턱값 검사와 전몬가 시스템을 적용하였으며, 오프라인 고장예측에서는 정확한 고장예측 및 고장 분류를 위하여 매걔변수 식별 및 신경회로망을 적용하였다.

가설 설정

본 연구에서는 검토된 고장예측 기법 중 파라메타추정을 통한 신경회로망 기법[가을 적용하였다.

제안 방법

제시한다. 고장예측은 시스템이 운용하는 도중 예 제한된 정보와 컴퓨터 자원을 이용하여 수행되어야 하므로 실시간 적용을 위하여 2단계로 구분하여 수행하였다. 첫 번째는 실시간 고장예측 단계로서 시스템 운용 즁예 가용한 정보만을 이용하여 시스템의 고장 징후를 탐지하는 역할을 하며, 카이스퀘어(X) 기법을 이용한 문턱값 검사 멏 전문가 시스템을 적용하여 수행된다.
도출된 알고리즘을 검중하기 위하여 MATLAB을 이용한 하이브리드 시뮬레이션 환경을 구축하고 정의된 고장에 대한 각각의 고장모델을 만들어 시뮬레이션을 수행하였다. 제안된 기법은 시뮬레이션을 통하여 잘동작됨을 확인할 수 있었오며, 추후에 실제 시스템을 통한 검증을 수행할 예정으로 있다.
두 번째는 오프라인 고장예측 단계로서 실시간으로 고장 징후가 탐지되면 시스템의 작동을 멈춘 후별도의 정비모드에서 고장의 징후를 분류하고 식별하눈 역할을 수행함으로써 고장예측을 완료하며, 며개변수(parameter) 식별기법 및 신경회로망이 적용된다. 또한 본 연구에서는 원활한 고장예측 알고리즘을 도출하기 위해 자동화 시스템의 이산사건 모델과 연속시간모뗄을 수립하였으며, 이들을 쫑합한 공정모뗄에 대해 하이브리드(hybrid) 시뮬레이션 휸경을 구축하였다. 본 논문에서 제안된 기법은 현챼 개발중인 무기체계의 탄약 운반 자동화 공정 시스템을 대상으로 공정모델에 기구부, 모터부에 대한 고장모텔을 부가하여 컴퓨터 시뮬레이션을 통하여 타당성을 검증하였다.
또한 본 연구에서는 원활한 고장예측 알고리즘을 도출하기 위해 자동화 시스템의 이산사건 모델과 연속시간모뗄을 수립하였으며, 이들을 쫑합한 공정모뗄에 대해 하이브리드(hybrid) 시뮬레이션 휸경을 구축하였다. 본 논문에서 제안된 기법은 현챼 개발중인 무기체계의 탄약 운반 자동화 공정 시스템을 대상으로 공정모델에 기구부, 모터부에 대한 고장모텔을 부가하여 컴퓨터 시뮬레이션을 통하여 타당성을 검증하였다.
공정을 잘 표현하는 모델이 필요하다. 본 연구에서는 일반적인 모델링기법을 비교하여 자동화시스톔의이산사건 모델과 연속시간 모델을 수립하였으며, 이뚤을 통합하여 공정모델을 구축하였다.
시스템에서 기구부나 모터, 센서에 고장이 발생하였을 때 이를 빠르게 감지하는 것은 매우 중요하며 고장징후 감지 방법은 정확하고 계산량이 적어야 하므로 본 연구에서는 가장 샨속하고 계산량이 적은 방법인문턱값(threshold) 비교 방법을 이용하는 한계치 검사와 추이곡선 검사를 수햏하였으며, 이렇게 검출된 결과를 근거로 전문가 시스템을 이용하여 최종적으로 고장징후를 판단하였다.
도출하였다. 실시간 적용을 위하여 고창예측 단계룔 실시간 고창예측과 오프라인 고장예측으로 구분하였으며 실시간 고장예측 윤 제한돤 정보 빛 시간제약상 카이스뽸어룔이용한 문턱값 검사와 전몬가 시스템을 적용하였으며, 오프라인 고장예측에서는 정확한 고장예측 및 고장 분류를 위하여 매걔변수 식별 및 신경회로망을 적용하였다.
추정된 파라메타를 패턴으로 간주하고 패턴을 분류함으로써 고장진단을 하며, 분류기로서는 신경회로망을 이용한다, 신경회로망은 학습방법에 따라 지도학습과 자율학습 신경회로망으로 나눌 수 있는데 불쏘만머산과 다층 신경회로망 등은 지도학습을 이용하며, 자기 조직화 형상지도와 ART2 신경회로망 등은 자율학습을 이용한다. 지도학습에서는 이미 알고 있는 데이터를 이용하여 신경회로맣의 출력이 원하는 값을 따라가도록 가중치를 호정하나, 자율학습예서는 사전 정보를 갖지 못한 데이터로부터 규칙성을 찾아 신경회로망 자체를 조직해 나간다.

대상 데이터

대한 명확한 이해가 필요하다. 본 연구에서는 대상 시스템으료서 그림 1과 같은 무기체계의 탄약 운반 자동화 공정 시스템(1)을 선정하였으며, 이 시스템은 크게 기구부와 제어 장치로 나눌 수 있다. 기구부는 적치대, 수평 이송기, 수직 이송기, 컨베어로 구성되어있으며, 각 장치들은 다수의 전동기 축과 센서로 이루어져 있다.

성능/효과

ART2 산경회로망은 이미 학습된 패턴과 입력패턴 간의 일치정도를 검사(경계인수 검사)하여 유사하면 같은 클래스로 학습하고, 그렇지 않으면 셰로운 클래스률 생성시키는 중가 분뜌 알고리즘에 의햬 패턴을 분류함으로써 추가 학습이 가능하다는 장점이 있다, 따라서 ART2 신경회로망은 예견되지 않은 새로운 고장징후의 구축과 분류에 였어서 이용될 수 있으므로오프라안 고장예측에 효과적인 것으로 판단돠어 오프라 안 고장예측 방안으로 도입하였다.
실시간 예측 시뮬례이션 결과 고장여부를 탐지하고, 계속되는 오프라인 예측 시뮬레이션 결과 기구부애서고장이 발생하였음을 보여준다. 여러가지 다양한 고장에 대하여 시뮬레이션 결과 수평이송기 X춯을 비륫한 다른 위치제어축, 속도제어축 및 토日젱어축얘서도고장예측이 원활하게 수행됨을 알 수 있었다.
발생하였음을 보여준다. 여러가지 다양한 고장에 대하여 시뮬레이션 결과 수평이송기 X춯을 비륫한 다른 위치제어축, 속도제어축 및 토日젱어축얘서도고장예측이 원활하게 수행됨을 알 수 있었다.

후속연구

제안된 기법은 시뮬레이션을 통하여 잘동작됨을 확인할 수 있었오며, 추후에 실제 시스템을 통한 검증을 수행할 예정으로 있다.

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

자동화 시스템의 고장예측 사례 연구
Case Study on Fault Prediction of Automated System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

자동화 시스템의 고장예측 사례 연구 Case Study on Fault Prediction of Automated System 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

자동화 시스템의 고장예측 사례 연구
Case Study on Fault Prediction of Automated System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper