4차 산업혁명 이후 철도 운영기관들은 AI, IoT, 빅데이터 등 신기술을 활용한 상태기반 유지보수(CBM) 및 예지정비(PdM) 체계로의 전환을 추 진하고 있으나, 실질적인 체계 개선보다는 변화 자체...

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=T17376307
충주 : 국립한국교통대학교 교통대학원, 2026
학위논문(박사) -- 국립한국교통대학교 교통대학원 , SMART철도시스템학과 , 2026. 2
2026
한국어
충청북도
vii, 115 p. ; 26 cm
지도교수: 權赫彬
I804:43010-200000954473
0
상세조회0
다운로드4차 산업혁명 이후 철도 운영기관들은 AI, IoT, 빅데이터 등 신기술을 활용한 상태기반 유지보수(CBM) 및 예지정비(PdM) 체계로의 전환을 추 진하고 있으나, 실질적인 체계 개선보다는 변화 자체...
4차 산업혁명 이후 철도 운영기관들은 AI, IoT, 빅데이터 등 신기술을 활용한 상태기반 유지보수(CBM) 및 예지정비(PdM) 체계로의 전환을 추 진하고 있으나, 실질적인 체계 개선보다는 변화 자체에 집중한 결과, 과 도한 모니터링 시스템이 구축되면서 전동차 유지보수 최적화가 저해되는 문제가 발생하고 있다. 이에 본 연구는 도시철도 차량의 유지보수 효율성 향상과 한정된 자원 내에서 최적의 유지관리 체계를 구축하기 위해, 기존의 시간기반정비 (TBM) 중심 유지보수 체계의 한계를 보완하고 데이터 기반의 합리적 유지보수 방법을 도입할 수 있는 신뢰성 기반 유지보수(RCM) 전략 수립 의사결정 모델을 개발하는 것을 목표로 하였다. 서울교통공사 1개 노선의 최근 10년(2014~2023년)간 운행 중 고장이 발생하여 조치를 위해 차량기지로 교체되어 입고된 전동차의 고장데이터 2,243건을 대상으로 고장유형, 원인, 영향 등을 분석하였고, 전동차 구 성품의 단계[시스템(전동차)-서브 시스템(Level 1)–장치(Level 2)–부품 (Level 3)]별로 고장의 집중도를 검토하여, 고장 집중도가 가장 높아 유 지보수의 효율성을 최대화할 수 있는 부품(Level 3) 단위를 기준으로 RCM 전략 수립 의사결정을 위한 분석을 수행하였다. 고장분석 결과, 도시철도 차량의 고장은 주회로, 출입문, 제동, 신호, TCMS 등 주요 서브 시스템에 집중되어 있으며, 고장원인의 약 83.8% 가 부품 노후와 부품 불량으로 나타났다. 이 결과를 바탕으로 고장모드 영향 및 치명도 분석(FMECA) 기법을 활용해 위험우선순위(RPN)를 평 가하여 12개 서브 시스템의 148개 부품 중, 시스템 신뢰성에 미치는 영 향이 낮은 위험우선순위(RPN)가 10이하인 부품 97종은 유지보수 전략 결정을 위한 분석대상에서 제외하였다. 위험우선순위가 10을 초과한 부품을 대상으로는 고장 발생빈도와 심각 도 기반의 ‘위험도 평가 매트릭스’를 이용해 부품별 위험등급을 산출하 였고, 이 위험등급과 검출난이도 기반의 ‘유지보수 관리 우선순위 평가 매트릭스’를 이용해 부품별 설계 개선, 점검강화 등 유지보수 대응 기준 을 제시하였다. 또한 유지보수 관리 우선순위 등급과 센서 설치난이도 기반의 ‘모니터링 타당성 평가 매트릭스’를 이용하여 모니터링의 타당성 을 평가하였다. 최종적으로 위험도와 모니터링 타당성 평가 결과를 종합하여 최적의 유지보수 전략을 결정하였다. 고장 시 안전사고로 이어질 가능성이 높은 위험등급 4 이상의 고위험 부품은 TBM과 CBM을 병행하고, 그 외의 부품을 중심으로 유지보수 전략 수립을 위한 의사결정을 하였다. 본 연구에서 제시되는 정량적 데이터 기반의 RCM 전략은 도시철도 차 량의 유지보수 효율성, 시스템 신뢰성, 가용성 및 안전성을 동시에 향상 시킬 수 있을 것으로 기대된다.
Keywords : 시간기반 유지보수(TBM), 상태기반 유지보수(CBM), 예지정비(PdM), 신뢰성 기반 유지보수(RCM)
목차 (Table of Contents)