http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
전홍배(HongBae Jun),조상제(SangJe Cho),김성수(SungSu Kim) (사)한국CDE학회 2014 한국 CAD/CAM 학회 학술발표회 논문집 Vol.2014 No.2
대부분의 원자력 발전 플랜트들은 40 년 혹은 그 이상의 운영수명을 가지고 있으므로, 플랜트 설계 및 시공시 많은 관리 의사결정들이 수십년에 걸쳐서 그 결과의 영향이 나타날 정도로 지대한 영향을 미친다. 따라서 원자력 발전과 같은 큰 규모의 플랜트 시설은 설계 및 시공뿐만 아니라, 기획, 구매/조달, 운영, 폐기등 전 생애주기 부분을 고려하여 시스템을 구축하는 것이 점점 중요해지고 있다. 원전 생애주기관리 시스템 구축에 있어서, 원전 생애주기 정보의 체계적인 관리를 위해서 생애주기 정보관리 모델을 구축할 필요가 있다. 생애주기 통합정보관리시스템에서 구현해야 하는 정보관리 프로세스는 정보를 발생시키고, 모으고, 변형시키고, 유지하고, 검색하고, 퍼뜨리고, 처분하는 것을 포함하는 것으로 정보시스템의 핵심 기능중에 하나라고 할 수 있다. 이러한 기능을 시스템으로 구현하기 전에, 정보관리 프로세스를 파악하고 모델링하는 일은 매우 중요하다 할 수 있다. 본 연구에서는 원자력 발전소의 생애주기 정보통합관리 시스템 구축에 있어서 필요한 정보관리 모델에 대해 살펴보고자 한다.
제품 사용데이터를 활용한 제품 열화상태 평가 방안에 대한 연구
신종호(Jongho Shin),전홍배(Hongbae Jun),Cedric Cattaneo,Dimitris Kiritsis,Paul Xirouchakis (사)한국CDE학회 2013 한국CDE학회 논문집 Vol.18 No.1
In general, the product is used under several circumstances including environmental and usage conditions. According to the circumstances, the product has various performance degradation processes. In order to optimize the lifecycle of product usage, it is important to observe the degradation process and make suitable decisions on product operations. However, there are not much research works in evaluating the degree of product degradation based on product usage data. Recently, due to emerging ICT (Information and Communication Technology) technologies, it becomes possible to get the product usage data. Based on the gathered data, it is possible to analyze the degree of product degradation. The analysis of product usage data can improve product use and product design with advanced decisions. To this end, this study addresses one approach based on FMEA/FMECA method, called PDMCA (Performance, Degradation Modes and Criticality Analysis) for evaluating product degradation status and making suitable decisions.
차량 DTC 데이터 기반 고장 상태 예지 방안에 대한 사례 연구
장명훈(Myounghoon Jang),박한설(Hanseol Park),김지인(Jiin Kim),오정림(Jeongrim Oh),전홍배(Hongbae Jun) (사)한국CDE학회 2020 한국CDE학회 논문집 Vol.25 No.4
Sudden vehicle problems while driving cause great damage to the driver. In this context, it is necessary to monitor important vehicle parts’ condition and take appropriate actions in advance based on condition analysis. This paper implements a model for predicting the occurrence of a certain failure code before 24 hours based on gathered DTC (Diagnostic Trouble Code) data with LSTM (Long Short-Term Memory)-Autoencoder. LSTM is a type of RNN (Recurrent Neural Network) that can solve data long-term dependency problems and is suitable for learning many time-series data to create classification and regression models. In particular, the model is a stacked autoencoder structure consisting of several LSTMs, showing higher accuracy than normal LSTM. The case study shows that the proposed method gives a reasonable performance on predicting the failure code.
DTW 기반 추진 전동기 잔여수명 예측 알고리즘 개발 사례연구
김준석(Junseok Kim),이강복(Gangbok Lee),황회선(Hoesun Hwang),안지수(Jisoo Ahn),오정림(Jeongrim Oh),장명훈(Myounghoon Jang),전홍배(Hongbae Jun) (사)한국CDE학회 2021 한국CDE학회 논문집 Vol.26 No.4
Recently, more detailed fault diagnosis is being performed by analyzing the current status and changes of equipment through condition monitoring data obtained through various sensor data. In addition to fault diagnosis, attempts to predict the remaining useful life (RUL) in the event of a fault are being studied in various ways. RUL prediction is very important as a key indicator that can be used as a reference for equipment replacement time, cost reduction, and accident prevention. In this study, we propose a method for predicting the remaining life of equipment by extracting an abnormal pattern based on data collected from a ship"s propulsion motor. To this end, the dynamic time warping (DTW) algorithm, which is a nonlinear pattern matching technique, and a method applying KNN were presented, and their effectiveness was examined through a simple case study.