지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.4
- 수록면
- 611 - 620 (10page)
이용수
초록· 키워드
오류제보하기
정비 산업은 사후정비, 예방정비를 거쳐, 상태기반 정비를 중심으로 진행되고 있다. 상태기반 정비는 장비의 상태를 파악하여, 최적 시점에서의 정비를 수행한다. 최적의 정비 시점을 찾기 위해서는 장비의 상태, 즉 잔여 유효 수명을 정확하게 파악하는 것이 중요하다. 이에, 본 논문은 시뮬레이션 데이터(C-MAPSS)를 사용한 터보팬 엔진의 잔여 유효수명(RUL, Remaining Useful Life) 예측 모델을 제시한다. 모델링을 위해 C-MAPSS(Commercial Modular Aero-Propulsion System Simulation) 데이터를 전처리, 변환, 예측하는 과정을 거쳤다. RUL 임계값 설정, 이동평균필터 및 표준화를 통해 데이터 전처리를 수행하였고, 주성분 분석(Principal Component Analysis)과 k-NN(k-Nearest Neighbor)을 활용하여 잔여 유효 수명을 예측하였다. 최적의 성능을 도출하기 위해, 5겹 교차검증기법을 통해 최적의 주성분 개수 및 k-NN의 근접 데이터 개수를 결정하였다. 또한, 사전 예측의 유용성, 사후 예측의 부적합성을 고려한 스코어링 함수(Scoring Function)를 통해 예측 결과를 분석하였다. 마지막으로, 현재까지 제시되어 온 뉴럴 네트워크 기반의 알고리즘과 예측 성능 비교 및 분석을 통해 k-NN 활용 모델의 유용성을 검증하였다.
목차
요약
Abstract
1. 서론
2. 본론
3. 결론
References
참고문헌 (14)
참고문헌 신청
J. H. Choi, “Introduction of Failure Prediction and Prognostics Health Management”, Journal of the KSME , Vol.53, No.7, pp.24-34, Jul. 2013.
S. H. Lee, B. D. Youn, “Directions for Industry 4.0, Failure Prediction and Prognostics Health Management”, Journal of the KSNVE, Vol.25, No.1, pp.22-28, Feb. 2015.
B.S. Seo, T. W. Hwang, B. C. Jang, J. H. Song, Y. H. Son, D. K. Lee, B. D. Youn, “Introduction of the 4th industrial revolution and success cases through PHM technology”, Journal of the KSME, Vol.59, No.1, pp.32-37, Jan. 2019.
X. Jia, B. Huang, J. Feng, H. Cai, J. Lee, “A Review of PHM Data Competitions from 2008 to 2017”, Annual Conference of the PHM Society, Vol.10, No.1, Sep. 2018. DOI: https://doi.org/10.36001/phmconf.2018.v10i1.462
G. S. Babu, P. Zhao, X. Li, “Deep Convolutional Neural Network Based Regression Approach for Estimation of Remaining Useful Life”, Database Systems for Advanced Application. DASFAA, pp.214-228, Mar. 2016. DOI: https://doi.org/10.1007/978-3-319-32025-0_14
S. H. Lee, B. D. Youn, “Directions for Industry 4.0, Failure Prediction and Prognostics Health Management”, Journal of the KSNVE, Vol.25, No.1, pp.22-28, Feb. 2015.
B.S. Seo, T. W. Hwang, B. C. Jang, J. H. Song, Y. H. Son, D. K. Lee, B. D. Youn, “Introduction of the 4th industrial revolution and success cases through PHM technology”, Journal of the KSME, Vol.59, No.1, pp.32-37, Jan. 2019.
X. Jia, B. Huang, J. Feng, H. Cai, J. Lee, “A Review of PHM Data Competitions from 2008 to 2017”, Annual Conference of the PHM Society, Vol.10, No.1, Sep. 2018. DOI: https://doi.org/10.36001/phmconf.2018.v10i1.462
G. S. Babu, P. Zhao, X. Li, “Deep Convolutional Neural Network Based Regression Approach for Estimation of Remaining Useful Life”, Database Systems for Advanced Application. DASFAA, pp.214-228, Mar. 2016. DOI: https://doi.org/10.1007/978-3-319-32025-0_14
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
잔여유효수명 예측값을 활용한 최적의 정비 시점 결정모델
한국신뢰성학회 학술대회논문집
2021 .06
-
C-MAPSS 데이터를 이용한 항공기 엔진의 신경 회로망 기반 건전성관리
항공우주시스템공학회지
2019 .12
-
차세대 무인기 상태기반정비(CBM+) 적용방안
한국항공우주학회 학술발표회 초록집
2023 .04
-
베이지안 혼합형 모델을 이용한 잔여수명 예측
Proceedings of KIIT Conference
2021 .11
-
잔여 유효 수명 예측을 위한 시계열 데이터 생성 방법
대한산업공학회 추계학술대회 논문집
2020 .11
-
시계열 합성곱 신경망을 이용한 C-MAPSS 데이터의 기계 유효 수명 예측
한국소음진동공학회 학술대회논문집
2020 .11
-
예측정비 개념을 적용한 정비지원장비에 관한 연구
대한산업공학회 추계학술대회 논문집
2016 .11
-
PCA와 Bi-LSTM을 이용한 유동층 보일러의 잔여수명 예측 방법
한국지능시스템학회 논문지
2023 .10
-
IoT 센서 환경에서 잔여수명 예측을 통한 예방정비 기법 조사
한국통신학회 학술대회논문집
2022 .06
-
Design of AI-based Condition Monitoring and RUL Prediction System for Wind Turbines
한국태양에너지학회 학술대회논문집
2022 .04
-
시뮬레이션 분석을 통한 계획정비 최적 주기 예측 연구
항공우주시스템공학회 학술행사 논문집
2017 .04
-
다중 기계학습을 통한 혼합형 잔여수명 예측 모델
한국신뢰성학회 학술대회논문집
2021 .06
-
데이터 크기에 따른 k-NN의 예측력 연구: 삼성전자주가를 사례로
지능정보연구
2019 .09
-
k-NN 알고리즘을 활용한 단기 교통상황 예측 : 서울시 도시고속도로 사례
대한교통학회지
2016 .04
-
다변량 시계열 데이터를 이용한 잔여 유효 수명 예측을 위한 셀프 어텐션 기반 2D CNN 모델
신뢰성응용연구
2023 .09
-
수명 분포를 고려한 RUL 예측 파라미터 분포 및 유효성 입증에 관한 연구
신뢰성응용연구
2020 .06
-
예지 정비 성능 향상을 위한 RUL 추정 모델 파라미터 최적화 기법
한국통신학회 학술대회논문집
2020 .08
-
시계열 데이터의 Denoising CNN 적용을 통한 물리 모델 기반 베어링의 잔여수명 추정
대한기계학회 춘추학술대회
2021 .04
-
Plurality Rule–based Density and Correlation Coefficient–based Clustering for K-NN
IEIE Transactions on Smart Processing & Computing
2017 .06
-
딥스택 인공신경망을 이용한 터보팬 엔진 유효수명의 예측
한국추진공학회 학술대회논문집
2019 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
Deep Learning-Based Analysis for Abnormal Diagnosis of Air Compressors
강민규
,
현요환
,
이치범
Journal of the Korean Society for Precision Engineering
2022
.03
RFDSys: AIoT기반의 K-NN과 Motion Detection을 적용한 실시간 화재 검출 시스템
박종찬
,
강대성
한국정보기술학회논문지
2021
.10
Fish Freshness Identification Using Machine Learning: Performance Comparison of k-NN and Naïve Bayes Classifier
Anton Yudhana
,
Rusydi Uma
,
Saba
외 2명
Journal of Computing Science and Engineering
2022
.09
시계열 데이터의 이미지 변환 방법에 따른 딥러닝 고장 진단 성능 비교
김누리
,
김승일
,
강영진
외 1명
대한기계학회 춘추학술대회
2020
.12
BiSS통신을 이용한 마그네틱 엔코더 고장진단기개발에 필요한 연구
김성락
,
이담
,
이경창
제어로봇시스템학회 국내학술대회 논문집
2021
.06
최근 본 자료
댓글(0)
0