기계학습을 이용한 항공기엔진 터보팬 잔여 수명 및 정비 시점 예측 = Prediction of RUL(Remaining Useful Life) and maintenance schedule of turbofan engine using machine learning
저자
발행사항
서울 : 고려대학교 컴퓨터정보통신대학원, 2020
학위논문사항
학위논문(석사)-- 고려대학교 컴퓨터정보통신대학원: 빅데이터융합학과 2020. 2
발행연도
2020
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
ix, 49 p. : 삽화, 도표 ; 26 cm
일반주기명
지도교수: 서태원
참고문헌: p. 49
UCI식별코드
I804:11009-000000127669
DOI식별코드
소장기관
고가의 장비를 운용함에 있어 가용도(Availability)가 높은 장비를 운용하는 것은 전장에서 임무 수행 시 중요하다. 가용도 향상을 위한 주요한 두 가지 요소는 신뢰도(Reliability)와 정비도(Maintainability)이다. 고장의 발생률을 낮게 하고 신뢰도를 높이기 위해서는 온도, 진동, 스트레스 등 환경에 강한 부품 즉 품질이 높은 부품을 사용하는 것이고 정비도를 높이기 위해서는 모듈화된 설계로 정비시간이 짧게 하는 것이다.
정비는 고장 발생 시 수행하는 고장정비(Corrective Maintenance)와 고장 발생을 예방하기 위해 주기적으로 수행하는 예방정비(Preventive Maintenance)로 나눌 수 있다. 예방정비는 신뢰도중심정비(RCM) 논리도를 기반으로 작성하게 되며 일간, 주간, 월간, 분기, 년간 정비소요를 결정하게 된다. 하지만 장비 건강 상태를 고려하지 않은 계획적이며 주기적인 정비는 필요 이상의 많은 자원의 소모를 유발하게 된다. 잦은 예방정비는 장비의 고장을 줄이기 위해 효율적이지만 가용도 저하 및 경제적인 측면에서 부정적이다.
이에 기계학습을 통해 잔여수명을 예측하고 장비에 대한 적정 예방정비 시점을 판단함으로써 총예방정비시간을 줄여 운용가용도를 높힐 수 있는 방안을 제시한다.
장비 개발 시 운용시험를 하게 되는데 초기운용부터 고장발생 시까지 발생하는 장비환경값(Environmental Setting Value), 센서값(Sensor Value) 데이터 및 고장 시까지의 잔여수명을 저장하여 두고 그 데이터를 기계학습하여 장비수명 및 정비 시기를 예측한다.
다양한 기계학습(Machine Learning)의 방법을 통해 기계학습 후 회귀(Regression)를 통한 잔여수명(RUL) 예측과 분류(Classification)를 통해 정비 시점을 알고리즘 별로 비교한다. 훈련데이터셋을 학습과 훈련으로 나누어 학습 및 검증을 수행하고 시험데이터로 예측을 수행하여 결과값을 산출하도록 한다. 분류에서는 Support Vector Machine 방법이 그리고 회귀에서는 K Neighbor Regressor 방법이 가장 좋은 성능을 나타냈다.
항공기 엔진 운용시 생성되는 장비운용로그(Log)나 센서(Sensor)값과 같은 장비 상태값을 기반으로 장비의 잔여수명(RUL;Remaining Useful Life)과 고장발생 시기를 예측할 수 있었음을 실험을 통해 알아보았다. 분류와 회귀기법을 통해 현재 상태를 학습시킨 후 유사한 환경에 대해 장비 상태를 예측하였다. 예방정비를 주기적으로 수행하지 않고 장비의 잔여수명 및 상태에 따라 예방정비를 수행함으로써 장비의 운용가용도를 향상 시킬 수 있었다.
정확한 데이터의 수집과 전처리 그리고 다양한 알고리즘의 접목으로 수명 및 정비시기를 예지하여 선제 정비 대응할 수 있어 무기체계에 대해 경제적이며 효용성 있는 능동적 정비방안을 제시한다.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)