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 : 노유정(Yoojeong Noh) (검색결과 79 건)
- 무료
- 기관 내 무료
- 유료
-
-
베이지안 추론법을 이용한 부식된 배관의 통계적 수명예측
노유정(Noh, Yoojeong) 한국산학기술학회 2015 한국산학기술학회논문지 Vol.16 No.4
배관은 대형기계설비에서 다양한 작동유체를 운반하는데 사용되는데, 대형시스템의 성능을 유지하기 위해서는 부식 된 배관의 잔존 수명을 정확히 예측될 필요가 있다. 하지만, 배관 형상, 물성치, 부식률 등 배관의 수명에 영향을 미치는 요인 들의 불확실성이 크기 때문에 부식 잔존 수명을 정확히 예측하기 힘들다. 본 연구에서는 통계적인 접근방법인 베이지안 추론 법을 이용하여 부식 잔존 수명을 예측하는 방법을 제안하였다. 여기서, 배관의 파손 확률은 베이지안 법칙을 기반으로 시간에 따른 배관 파손 압력에 관한 사전 정보와 실험데이터를 이용하여 계산되고, 부식 잔존 수명은 10%의 파손 확률을 갖는 경과 시간으로 계산되었다. 예제에서는 부식에 영향을 미치는 주요인자로부터 10개와 50개의 데이터를 생성하여 배관의 파손 확 률 및 배관의 잔존수명을 예측하였으며 가정한 실제 잔존수명과의 비교를 통해 제안한 방법을 검증하였다. Pipelines are used by large heavy industries to deliver various types of fluids. Since this is important to maintain the performance of large systems, it is necessary to accurately predict remaining life of the corroded pipeline. However, predicting the remaining life is difficult due to uncertainties in the associated variables, such as geometries, material properties, corrosion rate, etc. In this paper, a statistical method for predicting corrosion remaining life is proposed using Bayesian inference. To accomplish this, pipeline failure probability was calculated using prior information about pipeline failure pressure according to elapsed time, and the given experimental data based on Bayes' rule. The corrosion remaining life was calculated as the elapsed time with 10 % failure probability. Using 10 and 50 samples generated from random variables affecting the corrosion of the pipe, the pipeline failure probability was estimated, after which the estimated remaining useful life was compared with the assumed true remaining useful life.
-
노유정(Noh, Yoojeong),이상진(Lee, Sang-Jin) 한국산학기술학회 2014 한국산학기술학회논문지 Vol.15 No.5
기계시스템의 신뢰성 해석을 위해서는 기계시스템에 성능을 미치는 변수의 확률 분포와 파라미터를 결정하는 통계적 모델링은 반드시 필요하다.하지만,신뢰성 해석에서 상당수의 변수는 상관관계가 있음에도 불구하고 독립변수로 취급되거나 실험데이터 수가 부족하다는 이유로 통계 모델에 대한 잘못된 가정을 하는 경우가 많다.본 연구에서는 베이지안 방법을 이용하여 상관관계를 갖는 데이터의 결합분포함수를 copula를 이용하여 모델링함으로써 적은 수의 데이터로부터 정확한 입 력모델을 산정하는 방법을 제안하였으며,방법의 검증을 위해 다양한 상관계수와 데이터 수에 대해 통계 시뮬레이션을 수행 하였다.그 결과 Bayesian방법은 상관계수가 낮아 후보함수가 유사하거나 샘플수가 적어 정확한 모델을 산정하기 어려운 경우에도 후보 copula중 실제 copula와 가장 근사한 후보 copula를 선정하였다.이러한 근사 후보 copula는 신뢰성 해석 결과 역시 실제 copula함수를 이용한 신뢰성 해석 결과와 유사한 결과를 가짐을 확인할 수 있으므로 베이지안 방법은 신뢰 성 해석을 위해 정확한 통계모델링을 제공함을 알 수 있다. Reliability analysis of mechanical systems requires statistical modeling of input random variables such as distribution function types and statistical parameters that affect the performance of the mechanical systems. Some random variables are correlated, but considered as independent variables or wrong assumptions on input random variables have been used. In this paper, joint distributions were modeled using copulas and Bayesian method from limited number of data. To verify the proposed method, statistical simulation tests were carried out for various number of samples and correlation coefficients. As a result, the Bayesian method selected the most probable copula types among candidate copulas even though the candidate copula shapes are similar for low correlations or the number of data is limited. The most probable copulas also yielded similar reliabilities with the true reliability obtained from a true copula, so that it can be concluded that the Bayesian method provides accurate statistical modeling for the reliability analysis.
-
노유정(Yoojeong Noh) 대한기계학회 2014 대한기계학회 춘추학술대회 Vol.2014 No.11
Statistical modeling of input random variables in mechanical systems is necessary to quantify uncertainties arising from inherent variability in material properties and environment variation for accurate analysis of mechanical system behavior. The statistical modeling methods select the best fitted distribution to given data by comparing given data with certain probability density functions or cumulative distribution functions. However, the statistical modeling methods might select different models because they have different measures for the model selection. One method can easily select a right model for skewed data, whereas another method cannot. According to the data distribution or number of samples, each statistical modeling method has different performances, and thus, it is hard for engineers to decide which model is a right model for the given data. This research tests various statistical modeling methods such as Kolmogorov?Smirnov(K-S) test, Chi-square test, AIC(Akaike information criterion), and BIC(Bayesian information criterion) for various types of data. It aims to propose appropriate statistical modeling methods well fitted to data distribution characteristics.
-
노유정(Yoojeong Noh) 한국산학기술학회 2016 한국산학기술학회논문지 Vol.17 No.5
입력 랜덤 변수(input random variable)의 통계 모델링은 기계시스템의 신뢰성 해석(reliability analysis), 신뢰성 기반 설계(reliability-based design optimization), 해석모델의 통계적 검정(validation) 및 보정(calibration)을 위해 반드시 필요하다. 대표적인 통계모델링 기법에는 Akaike Information Criterion (AIC), AIC correction (AICc), Bayesian Information Criterion, Maximum Likelihood Estimation (MLE), Bayesian 방법 등이 있다. 이러한 방법들은 기본적으로 주어진 데이터로부터 후보 모델의 우도함수값을 이용하여 후보 모델 중 가장 적합한 모델을 선택하는 방법이며, 방법에 따라 데이터 수 혹은 파라미터 의 수를 고려하여 모델을 선정한다. 하지만 실제 현장에서 데이터의 통계모델링을 하는 엔지니어는 각 방법의 장단점에 대한 이해가 부족하여 어떤 방법이 정확한 방법인지 몰라 통계모델링 수행 시 어려움이 있다. 본 논문에서는 다양한 통계모델링 방법들을 비교하고 각 방법의 장단점 분석을 통해 가장 적합한 모델링 기법을 제안하고자 한다. 각 방법의 검증을 위해 다양 한 모분포를 가정하고 다양한 사이즈의 샘플을 임의로 생성하여 시뮬레이션을 수행하였으며, 실제 공학 데이터를 사용하여 통계모델링 방법의 유효성을 검증하였다. The statistical modeling of input random variables is necessary in reliability analysis, reliability-based design optimization, and statistical validation and calibration of analysis models of mechanical systems. In statistical modeling methods, there are the Akaike Information Criterion (AIC), AIC correction (AICc), Bayesian Information Criterion, Maximum Likelihood Estimation (MLE), and Bayesian method. Those methods basically select the best fitted distribution among candidate models by calculating their likelihood function values from a given data set. The number of data or parameters in some methods are considered to identify the distribution types. On the other hand, the engineers in a real field have difficulties in selecting the statistical modeling method to obtain a statistical model of the experimental data because of a lack of knowledge of those methods. In this study, commonly used statistical modeling methods were compared using statistical simulation tests. Their advantages and disadvantages were then analyzed. In the simulation tests, various types of distribution were assumed as populations and the samples were generated randomly from them with different sample sizes. Real engineering data were used to verify each statistical modeling method.
-
-
-
-
-
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
