KR100409195B1 - The prediction method of life cycle of PLC system using fuzzy technology - Google Patents
The prediction method of life cycle of PLC system using fuzzy technology Download PDFInfo
- Publication number
- KR100409195B1 KR100409195B1 KR10-2000-0080012A KR20000080012A KR100409195B1 KR 100409195 B1 KR100409195 B1 KR 100409195B1 KR 20000080012 A KR20000080012 A KR 20000080012A KR 100409195 B1 KR100409195 B1 KR 100409195B1
- Authority
- KR
- South Korea
- Prior art keywords
- fuzzy
- plc system
- failure
- life
- plc
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
Abstract
본 발명은 PLC 시스템의 고장 정도를 퍼지 알고리즘을 통해 정확하게 판단함으로써, 현장에서 발생할 수 있는 PLC 시스템에 의한 작업라인의 정지 또는 불의의 사고를 미연에 방지하는 PLC 시스템의 수명예측방법을 제공하는 데 그 목적이 있다.The present invention is to accurately determine the degree of failure of the PLC system through a fuzzy algorithm, to provide a method for predicting the life of the PLC system that prevents the stop or accident of the work line by the PLC system that can occur in the field in advance. There is a purpose.
본 발명은 PLC 시스템의 각각의 유니트의 고장 정도를 퍼지기법의 입력변수로 적용하여 PLC 시스템의 수명을 예측하는 것을 특징으로 한다. 또한, 본 발명은 PLC 시스템의 예측수명을 하기의 평균 하중법을 적용하여 계산하는 것을 특징으로 한다.The present invention is characterized by predicting the life of the PLC system by applying the failure degree of each unit of the PLC system as an input variable of the fuzzy method. In addition, the present invention is characterized by calculating the life expectancy of the PLC system by applying the following average load method.
Description
본 발명은 PLC(Programmable Logic Controller) 시스템의 수명예측방법에 관한 것이며, 특히, PLC 시스템의 고장 정도를 종합적으로 분석하기 위하여 PLC 시스템의 고장 정도를 퍼지 알고리즘에 적용하여 PLC 시스템의 수명를 예측하는 방법에관한 것이다.The present invention relates to a life prediction method of a programmable logic controller (PLC) system, and more particularly, to a method for predicting the life of a PLC system by applying a failure degree of the PLC system to a fuzzy algorithm to comprehensively analyze the degree of failure of the PLC system. It is about.
1. 직관적 방법1. Intuitive way
직관적 방법에 의한 기술예측에는 미래에 대한 통찰력이 있는 사람의 개인적 직관력에 의존하는 천재적 예측과, 여러 사람의 주관적 직관력을 종합 합의하는 형태로 수렴하는 회의적 기법(의견조사, 전문분과회의, 델파이법)이 있으나, 델파이 (Delphi)법이 가장 널리 쓰이고 있다.Intuitive technical forecasting includes the use of genius predictions that rely on the personal intuition of a person with insight into the future, and a skeptical technique that converges the subjective intuitions of many people in the form of a consensus (opinion, subcommittee, Delphi). The Delphi method is the most widely used.
가. 개인적 예측end. Personal forecast
어떤 특정분야의 전문가에 의한 직관적인 예측으로 경우에 따라서는 상당한 장점이 있다. 그러나, 대부분은 델파이법, 추세외삽법 등을 이용하고 여기에 분석 자의 개인적 주관이 부가되는 경우가 많다.Intuitive forecasting by specialists in a particular field has significant advantages in some cases. However, most of them use Delphi method, trend extrapolation method, etc. and it is often added to the analyst's personal subjectivity.
나. 델파이법I. Delphi law
델파이법은 1950년대 미국 공군의 의뢰를 받은 Rand사에 의해 개발된 것으로서, Helmer와 Dlkey라는 2명의 연구자에 의해 제안되었다. Delphi라는 뜻은 그리스의 아폴로신의 신탁에 나오는 유명한 장소로서, 그룹의 회답자에서 합리적인 의견을 도출하는 방법으로 정의할 수 있다.The Delphi method was developed by Rand, commissioned by the US Air Force in the 1950s, and was proposed by two researchers, Helmer and Dlkey. The word Delphi is a famous place in the Greek Apollo's trust, and can be defined as a way of drawing reasonable opinions from the group's respondents.
델파이법이란 예측하고자 하는 대상 주제에 대한 전문가를 선정하여 이들에게 설문서를 보내되 의견의 합의 또는 응답의 안정성이 이루어질 때까지 반복하여 예측결과를 얻어내는 것이다. 델파이 과정에는 3가지 핵심요소가 있는데, 정보 흐름의 조직화, 참여자의 피드백, 참여자의 익명성 등이다.The Delphi method selects experts on the subjects to be predicted and sends them a questionnaire, which is repeated until the consensus or stability of the response is reached. There are three key components of the Delphi process: organizing the flow of information, feedback from participants, and anonymity of participants.
예를 들면, "핵융합발전이 수력발전과 경쟁이 가능한 때는 언제라고 생각하는가"라는 질문을 선택된 전문가 집단에 물어본다. 이 질문의 회답을 집계한 결과 를 가지고 다시 질문하는 방법으로, 이러한 순서를 3-5회 반복하게 된다.For example, ask the selected group of experts, "When do you think nuclear fusion can compete with hydropower?" By repeating this question and asking the question again, this sequence is repeated 3-5 times.
2. 해석적 방법2. Analytic Method
가. 추세외삽법end. Extrapolation
경향분석에 의한 기술예측은 기술예측 분야 외에도 오래전부터 늘리 사용되고 있는 방법으로, 기술예측에서도 가장 많이 사용되고 있다. 이 방법에 의한 예측은 분석에 드는 비용이 상대적으로 저렴하고, 어떤 기술의 시간요인에 대한 영향 요소(예를 들면, 매출액, 기술적 효율성 등등)의 한가지 요인이 시간대별로 어떻게 변화해가느냐를 살펴보는 것이다. 이러한 분석적 기법에서는 여러형태의 과거 추세를 이용하여 미래를 예측하는데, 어떤 경우이든 2가지 특징을 갖고 있다.Technical prediction based on trend analysis is a method that has been used for a long time in addition to the technical prediction field, and is also used most often in technical prediction. Predictions by this method look at how the cost of analysis is relatively inexpensive and how one of the factors that influence the time factor of a technology (e.g. sales, technical efficiency, etc.) changes over time. . This analytical technique uses several forms of past trends to predict the future, which has two characteristics.
하나는 해당기술에 대한 과거의 자료를 직접 분석하여 예측이 실시되기 때문에 과거자료 없이는 예측이 불가능하다는 점이고, 다른 하나는 예측의 가로축(X축)에는 대개 시간, 연도가 변수로 고려된다는 점이다.One is that predictions are made by analyzing the historical data of the technology directly, and without the historical data, the other is that time and year are usually considered as variables on the horizontal axis (X axis) of the prediction.
추세외삽법에는 단순외삽법, 최적곡선판단법(Curve Fitting with Judgement), S곡 선법, System Curve Fitting 등이 있다. 일반적으로 기술관련 시계열 데이터는 S자 곡선의 형태를 나타낸다고 믿고 있다. 즉, 기술 패턴은 처음에 서서히 증가하기 시작하다가 우상향으로 지수적 증가의 형태를 띠게 되며, 그 다음에는 기술진보가 우하향으로 감소하게 된다. 지금까지의 거의 모든 데이터는 대체적으로 S자 곡선의 형태를 보여주고 있다.Trend extrapolation includes simple extrapolation, curve fitting with judgment, S curve, and system curve fitting. It is generally believed that technical time series data represents the shape of an S curve. In other words, the technology pattern starts to increase slowly at first, and then increases exponentially in the upward direction, and then the technological progress decreases downward in the downward direction. Almost all of the data so far shows the shape of an S-shaped curve.
추세외삽법의 단점은 과거의 데이터가 부족한 경우나 여러 가지 복합요인에의해 작용되는 기술예측에는 한계가 있고, 20년 이내의 한정적인 기술예측에 주로 사용된다는 것이다. 즉, 기업체의 요소기술과 생산제품의 변화추이에 사용될 수 있다.The disadvantage of trend extrapolation is that there are limitations to the technical predictions that may be caused by a lack of historical data or by a number of complex factors, and they are mainly used for limited technical predictions within 20 years. In other words, it can be used for the trend of corporate element technology and product production.
나. 추세상관분석I. Trend Correlation Analysis
2개 이상의 추세간의 상관관계를 분석함으로써 기술예측을 하는 것이다. 2개 이상의 추세를 이용하여 제3의 추세를 결정하기 위해서는 예측자가 관심 대상기술 영역에 관련이 있는 일련의 주요 추세의 자료를 이용할 수 있어야 한다.Descriptive prediction is made by analyzing the correlation between two or more trends. To determine a third trend using more than one trend, the predictor must have access to a set of key trends that are relevant to the area of interest.
이러한 방법에는 선행사상과 상관분석(Correlation Analysis)에 의한 방법이 있다. 이 방법을 확률적으로 이용하면 어떤 특정분야의 기술패러다임의 변화를 알 수가 있다. 일례로 "항공기에 필요한 알루미늄합금의 기술개발 단계에서 실제 생산품에 사용되는 기간은 얼마인가"라는 문제에 대하여 Martino는 선행사상의 확률론적 기법을 이용하여 4.08년이 된다고 하였다. 따라서, 항공기분야에 알루미늄합금을 이용한 기술개발은 실제 채용시까지 5년 이하가 소요되므로 관련 기업의 기술계획에 적용할 수 있다.These methods include methods based on prior thought and correlation analysis. Probabilistic use of this method can reveal changes in the technological paradigm of a particular field. For example, "How long is it used for actual production in the technical development stage of aluminum alloys required for aircraft?" Martino said that it is 4.08 years using probabilistic stochastic techniques. Therefore, the development of technology using aluminum alloy in the aircraft field takes less than five years until the actual employment can be applied to the technical plan of the relevant company.
따라서, 본 발명은 앞서 설명한 바와 같은 종래기술의 문제점을 해결하기 위하여 안출된 것으로서, PLC 시스템의 고장 정도를 퍼지 알고리즘을 통해 정확하게 판단함으로써, 현장에서 발생할 수 있는 PLC 시스템에 의한 작업라인의 정지 또는 불의의 사고를 미연에 방지하는 PLC 시스템의 수명예측방법을 제공하는 데 그 목적이 있다.Accordingly, the present invention has been made to solve the problems of the prior art as described above, by accurately determining the degree of failure of the PLC system through the fuzzy algorithm, the stop or inadvertent operation of the work line by the PLC system that can occur in the field The purpose is to provide a life expectancy method for PLC systems that prevents accidents.
도 1은 본 발명에 따른 PLC 시스템의 수명을 예측하기 위한 퍼지 예측기의 설계 절차를 도시한 블록도이고,1 is a block diagram showing a design procedure of a fuzzy predictor for predicting the lifetime of a PLC system according to the present invention,
도 2는 본 발명에 따른 PLC 시스템의 수명을 예측하기 위한 퍼지논리 시스템의 구조도이고,2 is a structural diagram of a fuzzy logic system for predicting the lifetime of a PLC system according to the present invention,
도 3은 본 발명에 따른 PLC 시스템의 수명을 예측하기 위한 퍼지 시스템의 추론도이다.3 is an inference diagram of a fuzzy system for predicting the lifetime of a PLC system according to the present invention.
♠ 도면의 주요부분에 대한 부호의 설명 ♠♠ Explanation of symbols on the main parts of the drawing ♠
11 : 퍼지화기 12 : 퍼지추론장치11: fuzzy purifier 12: fuzzy inference device
13 : 퍼지규칙장치 14 : 비퍼지화기13: fuzzy rule apparatus 14: non-fuzzy purifier
위와 같은 목적을 달성하기 위한 본 발명은 PLC 시스템의 각각의 유니트의 고장 정도를 퍼지기법의 입력변수로 적용하여 PLC 시스템의 수명을 예측하는 것을 특징으로 한다. 또한, 본 발명은 PLC 시스템의 예측수명을 평균 하중법을 적용하여 계산하는 것을 특징으로 한다.The present invention for achieving the above object is characterized by predicting the life of the PLC system by applying the failure degree of each unit of the PLC system as an input variable of the spreading method. In addition, the present invention is characterized by calculating the life expectancy of the PLC system by applying the average load method.
아래에서, 본 발명에 따른 PLC 시스템의 수명예측방법의 양호한 실시예를 첨부한 도면을 참조로 하여 상세히 설명하겠다.Hereinafter, with reference to the accompanying drawings a preferred embodiment of the life expectancy method of the PLC system according to the present invention will be described in detail.
도 1은 본 발명에 따른 PLC 시스템의 수명을 예측하기 위한 퍼지 예측기의 설계 절차를 도시한 블록도이다. 도 1에 보이듯이, 본 발명에 적용되는 퍼지 예측기는 다음과 같은 절차에 따라 설계된다.1 is a block diagram illustrating a design procedure of a fuzzy predictor for predicting the life of a PLC system according to the present invention. As shown in FIG. 1, a fuzzy predictor applied to the present invention is designed according to the following procedure.
먼저, PLC 시스템의 고장 발생 주기를 조사한 후(S1), 고장 장소별 요인분석(S2), 고장 발생별 요인분석(S3), 고장 유니트별 요인분석(S4)을 각각 실시한다. 그런 다음, 이렇게 각각 분석된 데이터를 수집하고, 수집된 데이터를 가지고 데이터 베이스를 구축한다(S5). 그리고, 이렇게 구축된 데이터 베이스를 이용하여 각각의 유니트의 교체시기에 관한 표준 테이블을 작성하고(S6), 이와 같은 데이터를 적용하여 퍼지 예측 알고리즘을 개발한다(S7). 이렇게 개발된 퍼지 예측 알고리즘을 PLC 시스템에 적용하여 PLC 시스템의 수명을 예측하게 된다(S8).First, after the failure occurrence period of the PLC system is investigated (S1), factor analysis by failure location (S2), factor analysis by failure occurrence (S3), and factor analysis by failure unit (S4) are performed, respectively. Then, collecting the data analyzed in each, and build a database with the collected data (S5). Then, using the database constructed in this way, a standard table regarding replacement time of each unit is prepared (S6), and the fuzzy prediction algorithm is developed by applying such data (S7). The fuzzy prediction algorithm thus developed is applied to the PLC system to predict the life of the PLC system (S8).
아래에서는, 앞서 설명한 바와 같은 과정을 통해 설계된 퍼지 예측기에 관해 설명하겠다.In the following, a fuzzy predictor designed through the process described above will be described.
PLC 시스템의 수명 예측에 필요한 상태에 관한 정보를 X1, X2, 그리고 출력을 Y 라고 하면, if(전건부)-then(후건부)형의 퍼지제어 규칙은,If the information about the state required for the life expectancy of the PLC system is X 1 , X 2 , and the output is Y, the if-then fuzzy control rule is
『if CPU 고장정도(X1) is small and Power 고장정도(X2) is big`` If CPU failure degree (X 1 ) is small and Power failure degree (X 2 ) is big
then PLC 시스템 고장 발생정도(Y) is mediumthen PLC system failure occurrence rate (Y) is medium
if CPU 고장정도(X1) is big and Power 고장정도(X2) is mediumif CPU Failure (X 1 ) is big and Power Failure (X 2 ) is medium
then PLC 시스템 고장 발생정도(Y) is big』then PLC system failure occurrence level (Y) is big 』
과 같이 기술되는 제어 알고리즘으로서, 이것들은 퍼지논리의 합으로 표현된다.As a control algorithm described as follows, these are expressed as the sum of fuzzy logic.
도 2는 본 발명에 따른 PLC 시스템의 수명을 예측하기 위한 퍼지논리 시스템의 구조도이다. 도 2에 도시된 퍼지화(11 ; fuzzifier)는 크리습한 수치적 정보를 퍼지집합으로 변환하는 연산자이고, 퍼지추론장치(12 ; fuzzy inference engine)는 퍼지규칙을 이용하여 퍼지입력에 대한 퍼지출력을 추론해 내는 장치이다. 그리고, 퍼지규칙장치(13 ; fuzzy rule base)는 여러 퍼지규칙에 대한 정보를 담고 있는 장치이며, 비퍼지화기(14 ; defuzzifier)는 퍼지집합으로 표시되는 퍼지량으로부터 보통의 수치값을 얻는 변환장치이다.2 is a structural diagram of a fuzzy logic system for predicting the lifetime of a PLC system according to the present invention. The fuzzifier 11 shown in FIG. 2 is an operator for converting the numerical information to the fuzzy set, and the fuzzy inference engine 12 uses the fuzzy rule to generate a fuzzy output for the fuzzy input. It is a deduced device. A fuzzy rule base 13 is a device that contains information on various fuzzy rules, and a deuzzifier 14 is a converter that obtains a normal numerical value from the amount of fuzzy represented by a fuzzy set. to be.
도 2에 도시된 바와 같은 퍼지논리 시스템은 다음과 같은 과정을 거치면서 PLC 시스템의 수명을 계산하게 된다.The fuzzy logic system as shown in FIG. 2 calculates the lifetime of the PLC system through the following process.
(1) PLC 시스템의 유니트 고장 정도 변수의 퍼지화(1) Purge of unit failure degree variable of PLC system
PLC 시스템의 유니트에 관한 고장 정도를 입력변수로 취하면, 소속함수를 통하여 선정된 퍼지집합에 소속되는 고장 정도의 등급이 결정된다. 만일 앞에서 범종형의 소속함수를 사용하여 퍼지화 시킨다면 수학식 1과 같은 식으로 계산되어 출력된다.If the degree of failure of a PLC system unit is taken as an input variable, the membership function determines the degree of failure belonging to the selected fuzzy set. If fuzzy using the membership function of the panjong type above, it is calculated and output as in Equation 1.
수학식 1에서 l은 규칙수, i는 변수항목수, σ는 표준편차, Xi는 임의의 입력값,은 퍼지대표값을 각각 나타낸다.In Equation 1, l is a rule number, i is a variable item number, σ is a standard deviation, X i is an arbitrary input value, Represents a fuzzy representative value, respectively.
(2) PLC 시스템의 유니트 고장 정도의 입력집합 연산자의 적용(2) Application of input set operator of unit failure degree of PLC system
주어진 규칙의 전건부의 입력변수가 2개 이상이라면 전건부에 2개 이상의 퍼지화된 결과가 나오게 된다. 이 소속함수를 대수곱의 연산자를 사용하면 수학식 2와 같이 표현할 수 있다.If there are two or more input variables in the front part of a given rule, two or more fuzzy results will be returned in the front part. This membership function can be expressed as shown in Equation 2 by using a logarithmic operator.
(3) 각 규칙의 결과의 합(3) the sum of the results of each rule
각 규칙의 결과로 나오는 퍼지집합들을 합하여 하나의 퍼지집합으로 표현하면 수학식 3과 같이 된다.If the sum of the fuzzy sets resulting from each rule is expressed as one fuzzy set, Equation 3 is obtained.
(4) PLC 시스템의 수명예측 계산(4) Life prediction calculation of PLC system
최종적으로 PLC 시스템의 수명예측을 위하여 각 유니트의 고장정도 추론 결과를 수학식 4에 적용 함으로써 PLC 시스템의 예측수명 결과(f(x))를 얻게 된다. 수학식 4는 비퍼지화를 위하여 평균 하중법을 적용하였다.Finally, in order to predict the service life of the PLC system, by applying the result of the failure degree inference of each unit to Equation 4, the predicted lifespan result (f (x)) of the PLC system is obtained. Equation 4 is applied to the average load method for the non-fuzzy.
도 3은 본 발명에 따른 PLC 시스템의 수명을 예측하기 위한 퍼지 시스템의 추론도로서, 앞서 설명한 PLC 시스템의 수명예측을 위한 추론 과정을 도식적으로 표현한 것이다.FIG. 3 is an inference diagram of a fuzzy system for predicting a lifespan of a PLC system according to the present invention, and schematically illustrates the inference process for life expectancy of the PLC system described above.
도 3에서, X1은 PLC 시스템에서 CPU 유니트의 고장 정도를 나타내고, X2는 Power 유니트의 고장 정도를 나타낸다.In FIG. 3, X 1 represents a failure degree of a CPU unit in a PLC system, and X 2 represents a failure degree of a power unit.
결과적으로, 앞서 설명한 기술은 CPU 유니트와 Power 유니트의 고장 정도에 따라 PLC 시스템의 종합적인 고장 정도를 계산해 낼 수 있는 퍼지 알고리즘이다. 한편, 앞서 설명한 기본 알고리즘에서 수학식 4를 확대 적용하면, PLC 시스템의 그외 모든 유니트(입력 및 출력 유니트, 통신 유니트, 특수 유니트 등등)으로 확대시킬 수 있으며, 그에 따른 PLC 시스템의 종합적인 수명예측이 가능하게 된다.As a result, the technique described above is a fuzzy algorithm that can calculate the overall degree of failure of the PLC system according to the degree of failure of the CPU unit and the power unit. On the other hand, if Equation 4 is expanded in the above-described basic algorithm, it can be extended to all other units (input and output units, communication units, special units, etc.) of the PLC system, and thus the overall life expectancy of the PLC system is It becomes possible.
앞서 상세히 설명한 바와 같이 본 발명의 PLC 시스템의 수명예측방법은 PLC 시스템의 고장 정도를 퍼지 알고리즘을 통해 정확하게 판단함으로써, 현장에서 발생할 수 있는 PLC 시스템에 의한 작업라인의 정지 또는 불의의 사고를 미연에 방지하는 효과가 있다.As described in detail above, the life prediction method of the PLC system of the present invention accurately determines the degree of failure of the PLC system through a fuzzy algorithm, thereby preventing work line stoppage or inadvertent accident caused by the PLC system in the field. It is effective.
또한, 본 발명의 PLC 시스템의 수명예측방법은 기존의 예측 기법에 비하여 퍼지 알고리즘을 적용함으로써 불확실성의 추정에 강한 특성이 그대로 반영되어 예측 능력이 탁월한 효과가 있다.In addition, the life prediction method of the PLC system of the present invention has an excellent predictive ability by applying a fuzzy algorithm to the estimation of uncertainty as it is compared to the conventional prediction method.
이상에서 본 발명의 PLC 시스템의 수명예측방법에 대한 기술사항을 첨부도면과 함께 서술하였지만 이는 본 발명의 가장 양호한 실시예를 예시적으로 설명한 것이지 본 발명을 한정하는 것은 아니다.In the above description, the technical details of the life prediction method of the PLC system of the present invention have been described together with the accompanying drawings, which illustrate exemplary embodiments of the present invention by way of example and do not limit the present invention.
또한, 이 기술분야의 통상의 지식을 가진 자이면 누구나 본 발명의 기술사상의 범주를 이탈하지 않는 범위내에서 다양한 변형 및 모방이 가능함은 명백한 사실이다.In addition, it is obvious that any person skilled in the art can make various modifications and imitations without departing from the scope of the technical idea of the present invention.
Claims (2)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2000-0080012A KR100409195B1 (en) | 2000-12-22 | 2000-12-22 | The prediction method of life cycle of PLC system using fuzzy technology |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2000-0080012A KR100409195B1 (en) | 2000-12-22 | 2000-12-22 | The prediction method of life cycle of PLC system using fuzzy technology |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20020050828A KR20020050828A (en) | 2002-06-28 |
KR100409195B1 true KR100409195B1 (en) | 2003-12-12 |
Family
ID=27684431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR10-2000-0080012A KR100409195B1 (en) | 2000-12-22 | 2000-12-22 | The prediction method of life cycle of PLC system using fuzzy technology |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100409195B1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160141971A (en) | 2015-06-02 | 2016-12-12 | 엘에스산전 주식회사 | Plc apparatus |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR910002316B1 (en) * | 1987-01-29 | 1991-04-11 | 브리티쉬 가스 피엘씨 | Monitor system |
KR960008207B1 (en) * | 1993-05-19 | 1996-06-20 | 삼성항공산업 주식회사 | Method and device for practicing fuzzy theory |
-
2000
- 2000-12-22 KR KR10-2000-0080012A patent/KR100409195B1/en not_active IP Right Cessation
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR910002316B1 (en) * | 1987-01-29 | 1991-04-11 | 브리티쉬 가스 피엘씨 | Monitor system |
KR960008207B1 (en) * | 1993-05-19 | 1996-06-20 | 삼성항공산업 주식회사 | Method and device for practicing fuzzy theory |
Also Published As
Publication number | Publication date |
---|---|
KR20020050828A (en) | 2002-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yao et al. | Hourly cooling load prediction by a combined forecasting model based on analytic hierarchy process | |
Zavadskas et al. | Development of software for multiple criteria evaluation | |
Kahraman et al. | Fuzzy group decision-making for facility location selection | |
US6397202B1 (en) | System and method for monitoring risk in a system development program | |
Apeland et al. | Risk based maintenance optimization: foundational issues | |
Dweiri | Fuzzy development of crisp activity relationship charts for facilities layout | |
Kenné et al. | Production planning problem in manufacturing systems with general failure and repair time distributions | |
Acar Yildirim et al. | Time-cost optimization model proposal for construction projects with genetic algorithm and fuzzy logic approach | |
Blair et al. | Fuzzy stochastic risk-based decision analysis with the mobile offshore base as a case study | |
Chan et al. | Decision-making approach for the distribution centre location problem in a supply chain network using the fuzzy-based hierarchical concept | |
Tsaur | Forecasting analysis by using fuzzy grey regression model for solving limited time series data | |
Jiang et al. | Development of a fuzzy decision model for manufacturability evaluation | |
Rocha et al. | Toward a robust optimal point selection: a multiple-criteria decision-making process applied to multi-objective optimization using response surface methodology | |
Carvalho Jr et al. | Non-iterative procedure incorporated into the fuzzy identification on a hybrid method of functional randomization for time series forecasting models | |
Wong et al. | Development of intelligence analytic models for integrated building management systems (IBMS) in intelligent buildings | |
KR100409195B1 (en) | The prediction method of life cycle of PLC system using fuzzy technology | |
CN112288278A (en) | Equipment asset management method based on knowledge graph | |
Mahnam et al. | A particle swarm optimization algorithm for forecasting based on time variant fuzzy time series | |
Al‐Tabtabai et al. | Expert judgment in forecasting construction project completion | |
Barton | Designing simulation experiments | |
Hayen | Investigating decision support systems frameworks | |
Gospodarek | Physicalistic Reasoning in Management Science | |
Erginel et al. | Intelligent Systems in Total Quality Management | |
Bowe et al. | 5.3. Markov models | |
Kobbacy | On the evolution of an intelligent maintenance optimization system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20121101 Year of fee payment: 10 |
|
FPAY | Annual fee payment |
Payment date: 20131104 Year of fee payment: 11 |
|
FPAY | Annual fee payment |
Payment date: 20141030 Year of fee payment: 12 |
|
LAPS | Lapse due to unpaid annual fee |