http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 박연경(Yun-Kyung Park) (검색결과 6 건)
- 무료
- 기관 내 무료
- 유료
-
-
Machine Learning을 이용한 무기 체계(or 구성품) 고장 유형 식별
박연경(Yun-Kyung Park),이혜원(Hye-Won Lee),김상문(Sang-Moon Kim) 한국산학기술학회 2018 한국산학기술학회논문지 Vol.19 No.8
무기 체계(or 구성품) 개발은 한정된 개발기간과비용 등의 제한으로 시험 횟수가 많지 않아, 고장관련 축적된 데이터의 규모도 적다. 그러나 운용 중 발생한 고장 및 정비내역은 많은 부분 전산 데이터로 관리하고 있기 때문에 이를 활용한 무기 체계(or 구성품)의 고장원인 분석은 가능하다. 다만 다양한 무기체계의 고장 및 정비내역 작성 규격이 각 군 별, 업체별 상이하고, 고장 원인의 구체적 내역은 비정형 텍스트 데이터로 기술되어 있기때문에 이를 분석하는데 어려움이 있었다. 그러나 오늘날 빅데이터 처리 기술과 기계학습(Machine Learning) 알고리즘의 발전, HW연산 능력의 개선과 맞물려, 상기와 같은 비정형 데이터를 처리 할 수 있는 여러 가지 방법들이 시도 되고 있으며, 주요한 연구 분야로 활발히 연구되고 있다. 본 논문에서는 국방 무기 체계(or 구성품)의 고장/정비 관련 비정형 데이터를 기계학습 기법 중 하나인 doc2vec을 적용하여 고장사례 분석 방안에 대하여 제시한다. The development of weapon systems (or components) is hindered by the number of tests due to the limited development period and cost, which reduces the scale of accumulated data related to failures. Nevertheless, because a large amount of failure data and maintenance details during the operational period are managed by computerized data, the cause of failure of weapon systems (or components) can be analyzed using the data. On the other hand, analyzing the failure and maintenance details of various weapon systems is difficult because of the variation among groups and companies, and details of the cause of failure are described as unstructured text data. Fortunately, the recent developments of big data processing technology, machine learning algorithm, and improved HW computation ability have supported major research into various methods for processing the above unstructured data. In this paper, unstructured data related to the failure / maintenance of defense weapon systems (or components) is presented by applying doc2vec, a machine learning technique, to analyze the failure cases.
-
상용 부품 비정형 데이터와 인공 신경망을 이용한 부품 단종 예측 방안 연구
박연경(Yun-kyung Park),이익도(Ik-Do Lee),이강택(Kang-Taek Lee),김두정(Du-Jeoung Kim) 한국산학기술학회 2019 한국산학기술학회논문지 Vol.20 No.10
기술의 발전으로 다양한 부품의 개발 및 상용화는 가능 하였으나, 이에 따라 부품의 단종 주기는 단축 되었다. 이는 수천 품목 이상의 부품을 활용하여 개발하고, 장기간 운영하는 무기체계의 수리 부속 보급을 어렵게 하였으며, 무기체계 운용 가용도 저하의 주요 원인으로 작용하였다. 이러한 문제를 해결하기 위하여 미국 등은 전담 기구를 만들어 대응하고 있으며, 국내에서는 상용 부품단종 예측도구를 활용하여 단종을 예측하고 관리하고 있다. 하지만 상용 부품단종 예측도구에서 단종 정보가 제시되지 않는 부품에 대한 대응 및 관리는 부재한 실정이다. 이에 본 연구에서는 상용부품단종 예측도구에서 제공하는 부품에 대한 정형, 비정형 빅데이터를 수집하고, 데이터 전처리 및 Embedding 과정을 거쳐, 신경망 학습 알고리즘을 적용하여, 상용 부품에 대한 단종 정보 (LC Risk, YTEOL)를 예측하는 방안을 제시하였다. 또한 제시된 모델의 예측 성능을 데이터 기술 통계량과 비교 평가 하여. 본 연구에서 제시한 학습 모델의 타당성을 검증 하였다. 결론에는 본 연구의 활용 방안과 한계점 및 발전 방향에 대하여 기술 하였다. Advances in technology have allowed the development and commercialization of various parts; however this has shortened the discontinuation cycle of the components. This means that repair and logistic support of weapon system which is applied to thousands of part components and operated over the long-term is difficult, which is the one of main causes of the decrease in the availability of weapon system. To improve this problem, the United States has created a special organization for this problem, whereas in Korea, commercial tools are used to predict and manage DMSMS. However, there is rarely a method to predict life cycle of parts that are not presented DMSMS information at the commercial tools. In this study, the structured and unstructured data of parts of a commercial tool were gathered, preprocessed, and embedded using neural network algorithm. Then, a method is suggested to predict the life cycle risk (LC Risk) and year to end of life (YTEOL). In addition, to validate the prediction performance of LC Risk and YTEOL, the prediction value is compared with descriptive statistics.
-
-
RAM-C 분석을 통해 무기체계에 CBM+ 적용 효과도에 관한 연구
엔드하르타 알폰수스 주란토(Alfonsus Julanto Endharta),김영선(Young-Seon Kim),김종운(Jongwoon Kim),조일훈(Il-Hoon Cho),박연경(Yun-Kyung Park) 한국산학기술학회 2023 한국산학기술학회논문지 Vol.24 No.9
본 논문은 RAM-C(신뢰성 기반 비용 관리) 분석을 통해 무기체계에서 상태기반정비(Condition-Based Maintenance, CBM+) 적용의 효과에 대한 연구를 제시한다. 연구의 목적은 RAM-C 지표에 대한 CBM+ 적용 효과를 평가하고 CBM+적용에 의한 잠재적인 장점을 식별하는 것이다. 고려하는 주요 지표는 운용 가용도와 같은 핵심성능지표(Key Performance Parameter, KPA)와 O&S(운용 및 지원) 비용과 같은 핵심시스템속성(Key System Attribute, KSA)이다. 무기체계의 성능, 신뢰성, 가용성, 유지보수 비용을 평가하기 위해 모델링 및 시뮬레이션(Modelling and Simulation, M&S) 접근 방식을 사용한다. 레이더 시스템이 사례 연구로 사용한다. 본 연구에서 제시된 결과는 CBM+ 적용을 통해 무기체계의 유지보수 프로세스를 최적화하는 데 관련된 방위 산업 전문가, 시스템 설계자 및 의사 결정자에게 실질적인 시사점을 제공할 수 있다. This paper presents a study on the effectiveness of condition-based maintenance plus (CBM+) implementation in weapon systems through RAM-C (reliability, availability, maintainability, and cost) analysis. The aim of this study was to assess the effect of CBM+ application on RAM-C parameters and identify the potential benefits and challenges associated with its adoption. The key parameters considered in the study are key performance parameters, such as operational availability, and key system attributes, such as operating and support cost. The study employed modeling and simulation to assess the performance, reliability, availability, and maintenance cost of weapon systems. A radar system was used as a case study. The results presented in this study have practical implications for defense industry professionals, system designers, and decision-makers involved in optimizing the maintenance processes of weapon systems through CBM+ adoption.
-
유혜현,백승훈,박연경,이승호,김창민,이경순,박만기,박정일 영남대학교 약품개발연구소 2002 영남대학교 약품개발연구소 연구업적집 Vol.11 No.-
This study is to establish the quality control method of Codonopsis Radix, the root of Codonopsis lanceolate (S. et Z.) Trautv. 1,2,3,4-Tetrahydro-β-carboline-3-carboxylic acid(1) isolated from this plant was adequate as an analytical marker. Content of 1 in Codonopsis Radix, determined by HPLC, was 0.0012±0.0005% (n=13). Total ash was 5.0±2.7%, and loss on drying was 11.9±1.3%.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
