KR101242060B1 - 도시철도차량의 신뢰도 및 가용도 관리 시스템 - Google Patents
도시철도차량의 신뢰도 및 가용도 관리 시스템 Download PDFInfo
- Publication number
- KR101242060B1 KR101242060B1 KR1020100134122A KR20100134122A KR101242060B1 KR 101242060 B1 KR101242060 B1 KR 101242060B1 KR 1020100134122 A KR1020100134122 A KR 1020100134122A KR 20100134122 A KR20100134122 A KR 20100134122A KR 101242060 B1 KR101242060 B1 KR 101242060B1
- Authority
- KR
- South Korea
- Prior art keywords
- reliability
- management system
- maintenance
- function
- urban railway
- Prior art date
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000006872 improvement Effects 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 64
- 238000010586 diagram Methods 0.000 claims description 28
- 238000011058 failure modes and effects analysis Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000003326 Quality management system Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000007547 defect Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 11
- 238000007689 inspection Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 abstract 1
- 230000008859 change Effects 0.000 description 7
- 230000006378 damage Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G06Q50/40—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K13/00—Other auxiliaries or accessories for railways
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/04—Detectors for indicating the overheating of axle bearings and the like, e.g. associated with the brake system for applying the brakes in case of a fault
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Abstract
이 발명은, 신뢰성의 개념을 유지보수 과정에 도입하고 도시철도차량의 각 물리적 시스템의 기능을 유지할 수 있도록 현재 운용조건에 적합한 정비검수계획을 수립하는데 필요한 데이터(Data)를 축적 할 수 있으며, 도시철도차량의 효율적인 운영 및 안전성 향상을 통하여 유지보수 비용 절감과 대형시스템의 수명을 효과적으로 연장시킬 수 있는, 도시철도차량의 신뢰도 및 가용도 관리 시스템에 관한 것으로서,
도시철도차량을 구성하고 있는 부품, 장치들에 대한 신뢰도, 가용도 관련 정보를 관리하는 신뢰성 정보관리 시스템과, 도시철도차량의 부품 및 장치에 대한 LCC(Life Cycle Cost)를 최소화하면서 신뢰도는 최대화하여 유지보수주기를 최적화시키는 유지보수주기 최적화 시스템과, 도시철도차량의 품질을 지속적으로 향상시키기 위한 품질향상 시스템과, 도시철도차량의 부품 또는 장치에 대해 실시간으로 상태 감지와 진단을 하기 위한 실시간 진단 시스템과, 고장난 부위에 대한 처치방법을 전문가 수준으로 지원하는 고장전문가 시스템과, 고장 데이터 세트(Data Set)를 생성하는 작업관리 시스템을 포함하여 이루어진다.
도시철도차량을 구성하고 있는 부품, 장치들에 대한 신뢰도, 가용도 관련 정보를 관리하는 신뢰성 정보관리 시스템과, 도시철도차량의 부품 및 장치에 대한 LCC(Life Cycle Cost)를 최소화하면서 신뢰도는 최대화하여 유지보수주기를 최적화시키는 유지보수주기 최적화 시스템과, 도시철도차량의 품질을 지속적으로 향상시키기 위한 품질향상 시스템과, 도시철도차량의 부품 또는 장치에 대해 실시간으로 상태 감지와 진단을 하기 위한 실시간 진단 시스템과, 고장난 부위에 대한 처치방법을 전문가 수준으로 지원하는 고장전문가 시스템과, 고장 데이터 세트(Data Set)를 생성하는 작업관리 시스템을 포함하여 이루어진다.
Description
이 발명은 도시철도차량의 신뢰도 및 가용도 관리 시스템에 관한 것으로서, 좀더 세부적으로 말하자면 신뢰성의 개념을 유지보수 과정에 도입하고 도시철도차량의 각 물리적 시스템의 기능을 유지할 수 있도록 현재 운용조건에 적합한 정비검수계획을 수립하는데 필요한 데이터(Data)를 축적 할 수 있으며, 도시철도차량의 효율적인 운영 및 안전성 향상을 통하여 유지보수 비용 절감과 대형시스템의 수명을 효과적으로 연장시킬 수 있는, 도시철도차량의 신뢰도 및 가용도 관리 시스템에 관한 것이다.
도시철도차량은 장기간 수명주기(Life Cycle)을 가지고 있기 때문에 초기 도입비용보다 유지보수비용이 많은 비중(60%~70%)을 점유하고 있으므로, 효율적인 유지보수 연구를 통하여 유지보수비용을 절감시키고, 대형시스템의 수명을 연장시키는 것이 필요하다.
또한, 도시철도차량의 유지보수 결함으로 인한 대형사고 발생은 인명피해 및 막대한 재산 손실로 사회 안전과 환경에 큰 영향을 미치는 것으로 평가되고 있으며, 도시철도차량의 유지보수에 있어서 검수 주기 마련과 반복적 사고 및 고장의 원인 규명이 필요하기 때문에, 도시철도차량의 신뢰성 평가를 통해 주어진 운영조건에서 각 물리적 시스템들이 기능을 안전하게 유지할 수 있도록 보전계획을 수립하는 것이 필요하며, 이러한 보전계획 수립을 위해서는 체계적인 신뢰성 기반의 유지보수 절차 및 방법의 확립이 필요하다.
또한, 도시철도차량의 효율적인 운영 및 안전성 향상을 위해서는, 도시철도차량의 신뢰도 및 LCC(Life Cycle Cost) 기준을 정하고 신뢰성기반의 유지보수체계를 도시철도차량 유지보수에 적용함으로써 정성적인 고장 분석을 정량화 및 시스템화하고, 시스템 신뢰성 및 고장 발생을 확률적인 방법으로 예측하며, 시스템 가용성 및 예방정비 주기를 결정하는 것이 필요하다.
또한, 신뢰성기반의 유지보수 시스템에 대한 연구가 부각되고 있으나 국내외관련 연구 사례와 대형 복잡시스템의 사고 및 고장 발생시 대책수립과 개선을 위한 체계가 미흡한 실정이기 때문에 도시철도차량 운행 과정에서 합리적 유지보수 기준이 필요하다.
본 발명의 목적은 상기한 바와 같은 기술적 과제를 해결하기 위한 것으로서, 신뢰성의 개념을 유지보수 과정에 도입하고 도시철도차량의 각 물리적 시스템의 기능을 유지할 수 있도록 현재 운용조건에 적합한 정비검수계획을 수립하는데 필요한 데이터(Data)를 축적 할 수 있는 도시철도차량의 신뢰도 및 가용도 관리 시스템을 제공하는 데 있다.
본 발명의 다른 목적은, 도시철도차량의 효율적인 운영 및 안전성 향상을 통하여 유지보수 비용 절감과 대형시스템의 수명을 효과적으로 연장시킬 수 있는, 도시철도차량의 신뢰도 및 가용도 관리 시스템을 제공하는 데 있다.
상기한 목적을 달성하기 위한 수단으로서 이 발명의 구성은, 도시철도차량을 구성하고 있는 부품, 장치들에 대한 고장률, 신뢰도, FTA(Fault Tree Analysis), FMEA(Failure Mode and Effects Analysis), 정비요청에 관한 정보를 관리하는 신뢰성 정보관리 시스템과, 도시철도차량의 부품 및 장치에 대한 LCC(Life Cycle Cost)를 최소화하면서 신뢰도는 최대화하여 유지보수주기를 최적화시키는 유지보수주기 최적화 시스템과, 도시철도차량의 품질을 지속적으로 향상시키기 위한 품질향상 시스템과, 도시철도차량의 부품 또는 장치에 대해 실시간으로 상태 감지와 진단을 하기 위한 실시간 진단 시스템과, 고장난 부위에 대한 처치방법을 지원하는 고장전문가 시스템과, 고장 데이터 세트(Data Set)를 생성하는 작업관리 시스템을 포함하여 이루어지면 바람직하다.
이 발명의 구성은, 상기 신뢰성 정보관리 시스템은, 상기 작업관리시스템으로부터 생성된 고장 데이터 세트(Data Set)로부터 지수분포, 와이블(Weibull) 분포, 정규(Normal) 분포, 로그-정규(Log-Normal) 분포에 대해 단위 부품, 장치에 대한 고장률을 계산하고, 노선별, 동일 차종별, 편성별, 차량별 모집단을 이용하여 각각의 경우에 대한 고장률을 계산하는 고장률 관리 시스템과, FBD, RBD, MTBF, 부품 신뢰도를 관리하기 위한 신뢰도 관리 시스템과, 전체 시스템의 결함목록을 분석 관리하며, 시스템을 구성하고 있는 부품의 잠재 고장형태 영향도를 분석 관리하며, 정비요청을 관리하는 FTA/FMEA/정비요청 관리 시스템을 포함하여 이루어지면 바람직하다.
이 발명의 구성은, 상기 신뢰도 관리 시스템은, FBD(Function Block Diagram)를 그래픽 사용자 인터페이스(GUI, Graphic User Interface) 환경으로 관리할 수 있으며, FBD(Function Block Diagram)를 구성 시 자재코드 및 BOM(Bill Of Materials) 정보를 활용하여 시스템의 연계성을 높일 수 있으며, 입력, 수정, 삭제가 용이한 기능을 구비한 FBD 관리 시스템과, RBD(Reliability Block Diagram)를 그래픽 사용자 인터페이스(GUI) 환경으로 관리할 수 있으며, RBD(Reliability Block Diagram)를 구성 시 자재코드 및 BOM(Bill Of Materials) 정보를 활용하여 시스템의 연계성을 높일 수 있으며, 입력, 수정, 삭제가 용이한 기능을 구비한 RBD 관리 시스템과, 와이블(Weibull) 분포, 정규(Normal) 분포, 로그-정규(Log-Normal) 분포, 지수분포로 추정한 MTBF(Mean Time Between Failures), MKBF(Mean Kilometers Between Failures) 중 최적의 값을 찾아 그 값을 부품 또는 장치의 MTBF(Mean Time Between Failures), MKBF(Mean Kilometers Between Failures)로 설정하는 기능을 구비한 MTBF 관리 시스템과, 와이블(Weibull) 분포, 정규(Normal) 분포, 지수분포로 추정한 신뢰도 중 최적의 값을 찾아 그 값을 부품의 신뢰도로 설정하는 기능을 구비한 부품 신뢰도 관리 시스템을 포함하여 이루어지면 바람직하다.
이 발명의 구성은, 상기 유지보수주기 최적화시스템은, 시스템을 구성하고 있는 부품에 대한 신뢰도를 바탕으로 시스템을 구성 및 신뢰도를 학습을 통해 알 수 있는 인공지능 기능을 구비한 인공신경망 시스템과, 구입비용, 관리비용, 수리비용을 관리하기 위한 LCC 관리 시스템과, 시스템의 FBD(Function Block Diagram)에 따라 각 부품의 신뢰도 함수를 기반으로 전체 시스템의 신뢰도 함수를 구성하고, 중요도가 낮은 부품에 필요 이상으로 높은 신뢰도가 할당되어 전체 시스템의 비용이 증가하는 것을 막을 수 있도록 목적함수를 구성하며, 케이스별(Case by Case)로 시스템의 각각의 목표 신뢰도에 따라 최적화 알고리즘을 적용, 각 부품별로 최적 목표 신뢰도를 주기적으로 할당하는 기능과, 인공신경망 알고리즘 또는 신뢰도 계산을 통해 도출한 MTBF(Mean Kilometers Between Failures) 및 MKBF(Mean Kilometers Between Failures)를 이용하여 구한 각 부품의 신뢰도가 최적화를 통해 도출한 신뢰도 충족 여부 판별, 불충족시 다른 부품 대안을 선택하여 충족시키기 위한 최적신뢰도분배 시스템을 포함하여 이루어지면 바람직하다.
이 발명의 구성은, 상기 품질향상 시스템은, 부품품질평가, 부품 카탈로그(Catalog) 관리, 구매의뢰관리, 거래기업 관리 기능을 구비한 공급망 품질 관리 시스템과, 데이터(Data) 측정관리, 품질 오디토링(Auditoring), 측정시스템분석, 품질이상예측, 부품소요량예측 기능을 구비한 통계 품질 관리 시스템과, 고장데이터 정밀통계처리, 부품수명예측 기능을 구비한 정밀통계예측 시스템을 포함하여 이루어지면 바람직하다.
이 발명의 구성은, 상기 실시간 진단 시스템은, RFID(Radio-Frequency IDentification) 온도센서를 통한 차축베어링 상태 감시 및 진단 기능을 구비한 베어링 진단 시스템과, TCMS(Train Control and Management System) 고장 데이터 기록 기능을 구비한 TCMS 진단 시스템을 포함하여 이루어지면 바람직하다.
이 발명은, 신뢰성의 개념을 유지보수 과정에 도입하고 도시철도차량의 각 물리적 시스템의 기능을 유지할 수 있도록 현재 운용조건에 적합한 정비검수계획을 수립하는데 필요한 데이터(Data)를 축적 할 수 있으며, 도시철도차량의 효율적인 운영 및 안전성 향상을 통하여 유지보수 비용 절감과 대형시스템의 수명을 효과적으로 연장시킬 수 있는 효과를 갖는다.
도 1은 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 구성도이다.
도 2는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 신뢰성 정보관리 시스템의 구성도이다.
도 3은 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 유지보수주기 최적화시스템의 구성도이다.
도 4는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 품질향상 시스템의 구성도이다.
도 5는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 실시간 진단시스템의 구성도이다.
도 6는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 인공 신경망 시스템의 구성도이다.
도 2는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 신뢰성 정보관리 시스템의 구성도이다.
도 3은 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 유지보수주기 최적화시스템의 구성도이다.
도 4는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 품질향상 시스템의 구성도이다.
도 5는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 실시간 진단시스템의 구성도이다.
도 6는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 인공 신경망 시스템의 구성도이다.
이하, 이 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 이 발명을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 이 발명의 가장 바람직한 실시예를 첨부된 도면을 참조로 하여 상세히 설명하기로 한다. 이 발명의 목적, 작용, 효과를 포함하여 기타 다른 목적들, 특징점들, 그리고 동작상의 이점들이 바람직한 실시예의 설명에 의해 보다 명확해질 것이다.
참고로, 여기에서 개시되는 실시예는 여러가지 실시가능한 예중에서 당업자의 이해를 돕기 위하여 가장 바람직한 실시예를 선정하여 제시한 것일 뿐, 이 발명의 기술적 사상이 반드시 이 실시예에만 의해서 한정되거나 제한되는 것은 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위내에서 다양한 변화와 부가 및 변경이 가능함은 물론, 균등한 타의 실시예가 가능함을 밝혀 둔다.
도 1은 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 구성도이다.
도 1에 도시되어 있는 바와 같이, 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템(100)의 구성은, 도시철도차량을 구성하고 있는 부품, 장치들에 대한 신뢰도, 가용도 관련 정보를 관리하는 신뢰성 정보관리 시스템(110)과, 도시철도차량의 부품 및 장치에 대한 LCC(Life Cycle Cost)를 최소화하면서 신뢰도는 최대화하여 유지보수주기를 최적화시키는 유지보수주기 최적화 시스템(120)과, 도시철도차량의 품질을 지속적으로 향상시키기 위한 품질향상 시스템(130)과, 도시철도차량의 부품 또는 장치에 대해 실시간으로 상태 감지와 진단을 하기 위한 실시간 진단 시스템(140)과, 고장난 부위에 대한 처치방법을 전문가 수준으로 지원하는 고장 전문가 시스템(150)과, 고장 데이터 세트(Data Set)를 생성하는 작업관리 시스템(160)을 포함하여 이루어진다.
도 2는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 신뢰성 정보관리 시스템의 구성도이다.
도 2에 도시되어 있는 바와 같이 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 신뢰성 정보관리 시스템(110)의 구성은, 고장률 관리 시스템(210), 신뢰도 관리 시스템(220), FTA/FMEA/정비요청 관리 시스템(270)을 포함하여 이루어진다.
상기 고장률 관리 시스템(210)은 작업관리시스템(160)으로부터 생성된 고장 데이터 세트(Data Set)로부터 지수분포, 와이블(Weibull) 분포, 정규(Normal) 분포, 로그-정규(Log-Normal) 분포에 대해 단위 부품, 장치에 대한 고장률을 계산하고, 노선별, 동일 차종별, 편성별, 차량별 모집단을 이용하여 각각의 경우에 대한 고장률 계산한다, 이때, 고장률 계산시 각각의 분포함수에 해당하는 모수를 도시철도차량에 맞도록 최적의 방법을 사용해 추정하며, 추정된 모수를 바탕으로 적합성을 계산하여 적합성이 가장 높게 나온 분포를 고장률 추정에 사용하며, 고장률을 분석할 수 있도록 다양한 데이터(Data)를 엑셀 데이터(Data) 형식으로 제공하는 기능을 가진다.
상기 신뢰도 관리 시스템(220)은, FBD 관리 시스템(230), RBD 관리 시스템(240), MTBF 관리 시스템(250), 부품 신뢰도 관리 시스템(260)을 포함하여 이루어진다.
상기 FBD 관리 시스템(230)은 FBD(Function Block Diagram)를 그래픽 사용자 인터페이스(GUI, Graphic User Interface) 환경으로 관리할 수 있으며, FBD(Function Block Diagram)를 구성 시 자재코드 및 BOM(Bill Of Materials) 정보를 활용하여 시스템의 연계성을 높일 수 있으며, 입력, 수정, 삭제가 용이하도록 기능이 구성된다.
상기 RBD 관리 시스템(240)은 RBD(Reliability Block Diagram)를 그래픽 사용자 인터페이스(GUI) 환경으로 관리할 수 있으며, RBD(Reliability Block Diagram)를 구성 시 자재코드 및 BOM(Bill Of Materials) 정보를 활용하여 시스템의 연계성을 높일 수 있으며, 입력, 수정, 삭제가 용이한 기능을 가지고 있으며, 시뮬레이션 기법(고장열거를 이용한 신뢰도계산 방법)을 이용하여 신뢰도를 계산하는 기능과, 시간 변화에 따른 신뢰도 추정이 가능하도록 기능이 구성된다.
상기 MTBF 관리 시스템(250)은 와이블(Weibull) 분포, 정규(Normal) 분포, 로그-정규(Log-Normal) 분포, 지수분포로 추정한 MTBF(Mean Time Between Failures), MKBF(Mean Kilometers Between Failures) 중 최적의 값을 찾아 그 값을 부품 또는 장치의 MTBF(Mean Time Between Failures), MKBF(Mean Kilometers Between Failures)로 설정하도록 기능이 구성된다.
상기 부품 신뢰도 관리 시스템(260)은 와이블(Weibull) 분포, 정규(Normal) 분포, 지수분포로 추정한 신뢰도 중 최적의 값을 찾아 그 값을 부품의 신뢰도로 설정하도록 기능이 구성된다.
시스템의 신뢰성의 정도를 나타내는 정량적 지표를 신뢰도라고 할 때, 신뢰도는 고장이 나타날 가능성(possibility or ability)의 정도를 평가할 수 있는 척도가 되어야 한다. 통계적 개념을 이용한 신뢰성 척도의 정의는 다음과 같다. 우선 시스템이 t시간 이상 고장 없이 작동할 확률을 표현하는 가장 기본적인 개념으로 시스템이 t시간 이상 작동할 확률을 나타내는 신뢰도 함수는 아래와 같이 정의한다.
여기서, R(t)는 신뢰도 함수 또는 생존함수이며, f(t)는 고장 확률 밀도함수(PDF, Probability Density Function)이고, T는 부품이나 시스템의 수명 또는 고장 시간을 나타내는 연속 확률변수이다.
또한, t시간 이전에 시스템이 고장날 확률을 나타내는 불신뢰도 함수(unreliability function)는 아래와 같이 정의 한다.
신뢰성을 나타내는 또 다른 척도로 고장률 함수(failure rate function)가 있다. 이 함수는 t시간 동안 고장 없이 작동되던 시스템이 다음 단위 시간(Δt) 내에 고장이 날 확률의 변화율을 나타내는 함수로서, 만약 확률 밀도함수 f(t)가 존재한다면 고장률 함수는 아래와 같이 정의된다.
상기한 고장률 함수가 갖고 있는 가장 중요한 성질 중의 하나는 신뢰도 함수와의 일대일대응 관계가 성립된다는 것이다. 이러한 성질은, 고장률 함수에 대한 추정이 가능하다면 신뢰도 함수에 대한 추정도 가능하게 되는 것을 의미한다. 다시 말해서 고장률 함수를 알면 신뢰도 함수 R(t)를 쉽게 구할 수 있게 된다.
고장률과 신뢰도 함수는 아래와 같은 일대일 관계를 갖는다.
여기서 u=0 에서는 시스템 또는 부품이 언제나 100% 생존하고 있기 때문에 R(0)=1.0이고 lnR(0)=0이므로 아래와 같은 식이 성립된다.
따라서 신뢰도 함수는 위의 식에 역대수(anti-log)를 취하면 아래와 같이 정의할 수 있다.
위에서 논의한 R(t), F(t), f(t) 및 (t)의 지표들은 시간에 따라 변화하는 함수들이며 이들을 대표하는 하나의 지표를 정의할 수 있다. 이는 평균수명 T에 대한 기대값으로 아래와 같이 나타낼 수 있다.
마지막 등식이 성립되기 위해서는 아래의 식이 성립되어야 한다.
만일 E(T)가 존재한다고 가정한다면 아래식이 성립한다.
여기서, E(T)는 평균수명(mean life) 또는 기대수명(expected life)을 나타낸다. 평균수명 E(T)는 고장발생 시까지의 평균적인 작동시간을 의미하는데 수리계인 경우는 MTBF(Mean Time between Failures), 비수리계인 경우에는 MTTF(Mean Time To Failure)라고 하며 일반적으로 고장률 함수와 역수 관계로 알려져 있다.
이와 같은 신뢰성분석기법을 이용하여 부품의 신뢰도를 관리한다.
상기 FTA/FMEA/정비요청 관리 시스템(270)은 FTA(Fault Tree Analysis) 관리 시스템(281), FMEA(Failure Mode and Effects Analysis) 관리 시스템(282), 정비요청 검색 시스템(283), 정비요청 모듈 시스템(284)를 포함하여 이루어진다.
상기 FTA 관리 시스템(281)은 전체 시스템의 결함목록을 분석 관리하며, 상기 FMEA 관리 시스템(282)은 시스템을 구성하고 있는 부품의 잠재 고장형태 영향도를 분석 관리한다.
도 3은 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 유지보수주기 최적화시스템의 구성도이다.
도 3에 도시되어 있는 바와 같이 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 유지보수주기 최적화시스템(120)의 구성은, 인공신경망 시스템(310), LCC 관리 시스템(320), 최적신뢰도분배 시스템(330)을 포함하여 이루어진다.
상기 인공신경망 시스템(310)은 도시철도차량을 구성하고 있는 단위 시스템의 RBD(Reliability Block Diagram)를 구할 수 없을 때 사용하는 것으로, 시스템을 구성하고 있는 부품에 대한 신뢰도를 바탕으로 시스템을 구성 및 신뢰도를 학습을 통해 알 수 있는 인공지능 기능을 갖도록 구성된다.
상기 LCC 관리 시스템(320)은 구입비용 관리 시스템(340), 관리비용 관리 시스템(350), 수리비용 관리 시스템(360)을 포함하여 이루어진다.
상기 최적신뢰도분배 시스템(330)은 시스템의 FBD(Function Block Diagram)에 따라 각 부품의 신뢰도 함수를 기반으로 전체 시스템의 신뢰도 함수를 구성하고, 중요도가 낮은 부품에 필요 이상으로 높은 신뢰도가 할당되어 전체 시스템의 비용이 증가하는 것을 막을 수 있도록 목적함수를 구성하며, 케이스별(Case by Case)로 시스템의 각각의 목표 신뢰도에 따라 최적화 알고리즘을 적용, 각 부품별로 최적 목표 신뢰도를 주기적으로 할당하는 기능과, 인공신경망 알고리즘 또는 신뢰도 계산을 통해 도출한 MTBF(Mean Kilometers Between Failures) 및 MKBF(Mean Kilometers Between Failures)를 이용하여 구한 각 부품의 신뢰도가 최적화를 통해 도출한 신뢰도 충족 여부 판별, 불충족시 다른 부품 대안을 선택하여 충족시킬 수 있도록 기능으로 구성된다.
도 4는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 품질향상 시스템의 구성도이다.
도 4에 도시되어 있는 바와 같이 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 품질향상 시스템(130)은, 도시철도차량이 제작사에서 제작되어 일정한 성능시험 및 시험운행을 마친 후 운영기관으로 넘겨질 때의 제작사 품질을 운영기관에서 도시철도차량을 지속적으로 유지보수하면서 발생하는 행위를 바탕으로 지속적으로 부품 또는 장치의 품질을 개선 및 개량을 할 수 있도록 시스템적으로 지원하고, 이를 통해 도시철도차량의 품질을 지속적으로 향상시킬 수 있는 기능을 가진 시스템으로서, 그 구성은, 공급망 품질 관리 시스템(410), 통계 품질 관리시스템(420), 정밀통계예측시스템(430)을 포함하여 이루어진다.
상기 공급망 품질 관리 시스템(410)은 부품품질평가, 부품 카탈로그(Catalog) 관리, 구매의뢰관리, 거래기업 관리 기능이 구비된다.
상기 통계 품질 관리 시스템(420)은 데이터(Data) 측정관리, 품질 오디토링(Auditoring), 측정시스템분석, 품질이상예측, 부품소요량예측 기능이 구비된다.
상기 정밀통계예측 시스템(430)은 고장데이터 정밀통계처리, 부품수명예측 기능이 구비된다.
도 5는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 실시간 진단시스템의 구성도이다.
도 5에 도시되어 있는 바와 같이 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 실시간 진단시스템(140)은 전자 공학 기술, 센서와 변환기, 컴퓨팅과 통신 기술 등을 이용하여 도시철도차량의 부품 또는 장치에 대해 실시간으로 상태를 감시하고 이를 기반으로 하여 그 부품 또는 장치의 실시간 상태를 진단할 수 있는 기능을 가진 시스템으로서, 그 구성은, 베어링 진단 시스템(510), TCMS 진단 시스템(520)을 포함하여 이루어진다.
상기 베어링 진단 시스템(510)은 RFID(Radio-Frequency IDentification) 온도센서를 통한 차축베어링 상태 감시 및 진단 기능이 구비된다.
상기 TCMS 진단 시스템(520)은 TCMS(Train Control and Management System) 고장 데이터 기록 기능이 구비된다.
도 6는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 인공 신경망 시스템(310)의 구성도이다.
인공 신경망 시스템(310)은 기존의 입력데이터(p(1), p(2), p(3)...p(R))을 이용하여 출력데이터와의 관계를 학습함으로써 원하는 입력데이터에 대하여 출력될 출력 데이터를 예측한다. 본 발명에서는 기존의 고장이력을 이용하여 상위 시스템의 신뢰도와 하위 부품의 신뢰도를 도출한 뒤에, 상위 시스템의 신뢰도와 하위 시스템의 신뢰도와의 관계를 학습한다. 즉, 하위 시스템의 신뢰도 변화에 따라, 상위 시스템의 신뢰도가 어떻게 변할지룰 학습한다. 다음에, 상위 시스템의 신뢰도와 하위 시스템의 신뢰도의 관계를 이용하여 하위 시스템의 신뢰도의 변화에 따른 상위 시스템의 신뢰도 변화를 예측하고, 상위 시스템과 하위 시스템의 신뢰도의 관계를 이용하여 하위 시스템의 민감도를 도출한다. 상기한 민감도는 하위 시스템의 신뢰도 변화에 따른 상위 시스템의 신뢰도의 변화의 정도를 말하는 것으로서, 민감도가 클수록 해당 부품의 신뢰도가 변하면 상위 시스템의 신뢰도가 크게 변한다.
도 6는 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템의 인공 신경망 시스템(310)의 구성도이다.
인공 신경망 시스템(310)은 기존의 입력데이터(p(1), p(2), p(3)...p(R))을 이용하여 출력데이터와의 관계를 학습함으로써 원하는 입력데이터에 대하여 출력될 출력 데이터를 예측한다. 본 발명에서는 기존의 고장이력을 이용하여 상위 시스템의 신뢰도와 하위 부품의 신뢰도를 도출한 뒤에, 상위 시스템의 신뢰도와 하위 시스템의 신뢰도와의 관계를 학습한다. 즉, 하위 시스템의 신뢰도 변화에 따라, 상위 시스템의 신뢰도가 어떻게 변할지룰 학습한다. 다음에, 상위 시스템의 신뢰도와 하위 시스템의 신뢰도의 관계를 이용하여 하위 시스템의 신뢰도의 변화에 따른 상위 시스템의 신뢰도 변화를 예측하고, 상위 시스템과 하위 시스템의 신뢰도의 관계를 이용하여 하위 시스템의 민감도를 도출한다. 상기한 민감도는 하위 시스템의 신뢰도 변화에 따른 상위 시스템의 신뢰도의 변화의 정도를 말하는 것으로서, 민감도가 클수록 해당 부품의 신뢰도가 변하면 상위 시스템의 신뢰도가 크게 변한다.
상기한 구성에 의한, 이 발명의 일실시예에 따른 도시철도차량의 신뢰도 및 가용도 관리 시스템은, 신뢰성의 개념을 유지보수 과정에 도입하고 도시철도차량의 각 물리적 시스템의 기능을 유지할 수 있도록 현재 운용조건에 적합한 정비검수계획을 수립하는데 필요한 데이터(Data)를 축적 할 수 있도록 한다. 또한, 유지보수 결함으로 인한 대형사고 발생의 인명피해 및 막대한 재산 손실로 사회 안전과 환경에 큰 영향을 미치는 문제를 해결하기 위하여 차세대 RCM 시스템에 유지보수주기 최적화 시스템과 품질향상 시스템이 추가되어 각 서브시스템의 기능이 결정된다.
100 : 신뢰도 및 가용도 관리시스템 110 : 신뢰성 정보관리 시스템
120 : 유지보수주기 최적화 시스템 130 : 품질향상 시스템
140 : 실시간 진단 시스템 150 : 고장전문가 시스템
160 : 작업관리 시스템
120 : 유지보수주기 최적화 시스템 130 : 품질향상 시스템
140 : 실시간 진단 시스템 150 : 고장전문가 시스템
160 : 작업관리 시스템
Claims (6)
- 도시철도차량을 구성하고 있는 부품, 장치들에 대한 고장률, 신뢰도, FTA(Fault Tree Analysis), FMEA(Failure Mode and Effects Analysis), 정비요청에 관한 정보를 관리하는 신뢰성 정보관리 시스템과,
도시철도차량의 부품 및 장치에 대한 LCC(Life Cycle Cost)를 최소화하면서 신뢰도는 최대화하여 유지보수주기를 최적화시키는 유지보수주기 최적화 시스템과,
도시철도차량의 품질을 지속적으로 향상시키기 위한 품질향상 시스템과,
도시철도차량의 부품 또는 장치에 대해 실시간으로 상태 감지와 진단을 하기 위한 실시간 진단 시스템과,
고장난 부위에 대한 처치방법을 지원하는 고장전문가 시스템과,
고장 데이터 세트(Data Set)를 생성하는 작업관리 시스템을 포함하여 이루어지는 것을 특징으로 하는 도시철도차량의 신뢰도 및 가용도 관리 시스템. - 제 1항에 있어서,
상기 신뢰성 정보관리 시스템은,
상기 작업관리시스템으로부터 생성된 고장 데이터 세트(Data Set)로부터 지수분포, 와이블(Weibull) 분포, 정규(Normal) 분포, 로그-정규(Log-Normal) 분포에 대해 단위 부품, 장치에 대한 고장률을 계산하고, 노선별, 동일 차종별, 편성별, 차량별 모집단을 이용하여 각각의 경우에 대한 고장률을 계산하는 고장률 관리 시스템과,
FBD, RBD, MTBF, 부품 신뢰도를 관리하기 위한 신뢰도 관리 시스템과,
전체 시스템의 결함목록을 분석 관리하며, 시스템을 구성하고 있는 부품의 잠재 고장형태 영향도를 분석 관리하며, 정비요청을 관리하는 FTA/FMEA/정비요청 관리 시스템을 포함하여 이루어지는 것을 특징으로 하는 도시철도차량의 신뢰도 및 가용도 관리 시스템. - 제 2항에 있어서,
상기 신뢰도 관리 시스템은,
FBD(Function Block Diagram)를 그래픽 사용자 인터페이스(GUI, Graphic User Interface) 환경으로 관리할 수 있으며, FBD(Function Block Diagram)를 구성 시 자재코드 및 BOM(Bill Of Materials) 정보를 활용하여 시스템의 연계성을 높일 수 있으며, 입력, 수정, 삭제가 용이한 기능을 구비한 FBD 관리 시스템과,
RBD(Reliability Block Diagram)를 그래픽 사용자 인터페이스(GUI) 환경으로 관리할 수 있으며, RBD(Reliability Block Diagram)를 구성 시 자재코드 및 BOM(Bill Of Materials) 정보를 활용하여 시스템의 연계성을 높일 수 있으며, 입력, 수정, 삭제가 용이한 기능을 구비한 RBD 관리 시스템과,
와이블(Weibull) 분포, 정규(Normal) 분포, 로그-정규(Log-Normal) 분포, 지수분포로 추정한 MTBF(Mean Time Between Failures), MKBF(Mean Kilometers Between Failures) 중 최적의 값을 찾아 그 값을 부품 또는 장치의 MTBF(Mean Time Between Failures), MKBF(Mean Kilometers Between Failures)로 설정하는 기능을 구비한 MTBF 관리 시스템과,
와이블(Weibull) 분포, 정규(Normal) 분포, 지수분포로 추정한 신뢰도 중 최적의 값을 찾아 그 값을 부품의 신뢰도로 설정하는 기능을 구비한 부품 신뢰도 관리 시스템을 포함하여 이루어지는 것을 특징으로 하는 도시철도차량의 신뢰도 및 가용도 관리 시스템. - 제 1항에 있어서,
상기 유지보수주기 최적화시스템은,
시스템을 구성하고 있는 부품에 대한 신뢰도를 바탕으로 시스템을 구성 및 신뢰도를 학습을 통해 알 수 있는 인공지능 기능을 구비한 인공신경망 시스템과,
구입비용, 관리비용, 수리비용을 관리하기 위한 LCC 관리 시스템과,
시스템의 FBD(Function Block Diagram)에 따라 각 부품의 신뢰도 함수를 기반으로 전체 시스템의 신뢰도 함수를 구성하고, 중요도가 낮은 부품에 필요 이상으로 높은 신뢰도가 할당되어 전체 시스템의 비용이 증가하는 것을 막을 수 있도록 목적함수를 구성하며, 케이스별(Case by Case)로 시스템의 각각의 목표 신뢰도에 따라 최적화 알고리즘을 적용, 각 부품별로 최적 목표 신뢰도를 주기적으로 할당하는 기능과, 인공신경망 알고리즘 또는 신뢰도 계산을 통해 도출한 MTBF(Mean Kilometers Between Failures) 및 MKBF(Mean Kilometers Between Failures)를 이용하여 구한 각 부품의 신뢰도가 최적화를 통해 도출한 신뢰도 충족 여부 판별, 불충족시 다른 부품 대안을 선택하여 충족시키기 위한 최적신뢰도분배 시스템을 포함하여 이루어지는 것을 특징으로 하는 도시철도차량의 신뢰도 및 가용도 관리 시스템. - 제 1항에 있어서,
상기 품질향상 시스템은,
부품품질평가, 부품 카탈로그(Catalog) 관리, 구매의뢰관리, 거래기업 관리 기능을 구비한 공급망 품질 관리 시스템과,
데이터(Data) 측정관리, 품질 오디토링(Auditoring), 측정시스템분석, 품질이상예측, 부품소요량예측 기능을 구비한 통계 품질 관리 시스템과,
고장데이터 정밀통계처리, 부품수명예측 기능을 구비한 정밀통계예측 시스템을 포함하여 이루어지는 것을 특징으로 하는 도시철도차량의 신뢰도 및 가용도 관리 시스템. - 제 1항에 있어서,
상기 실시간 진단 시스템은,
RFID(Radio-Frequency IDentification) 온도센서를 통한 차축베어링 상태 감시 및 진단 기능을 구비한 베어링 진단 시스템과,
TCMS(Train Control and Management System) 고장 데이터 기록 기능을 구비한 TCMS 진단 시스템을 포함하여 이루어지는 것을 특징으로 하는 도시철도차량의 신뢰도 및 가용도 관리 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100134122A KR101242060B1 (ko) | 2010-12-24 | 2010-12-24 | 도시철도차량의 신뢰도 및 가용도 관리 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100134122A KR101242060B1 (ko) | 2010-12-24 | 2010-12-24 | 도시철도차량의 신뢰도 및 가용도 관리 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20120072398A KR20120072398A (ko) | 2012-07-04 |
| KR101242060B1 true KR101242060B1 (ko) | 2013-03-11 |
Family
ID=46707080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100134122A KR101242060B1 (ko) | 2010-12-24 | 2010-12-24 | 도시철도차량의 신뢰도 및 가용도 관리 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101242060B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100419057B1 (ko) * | 2002-02-18 | 2004-02-18 | 주식회사 엘지생명과학 | 고체약물투입기 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101982753B1 (ko) * | 2017-12-12 | 2019-05-27 | (주)위세아이텍 | 열차사고 위험도 예측 장치 및 방법 |
| KR102262655B1 (ko) * | 2019-11-20 | 2021-06-08 | 한국교통대학교산학협력단 | 전동차 스마트 유지보수 시스템 |
| KR102404255B1 (ko) * | 2020-07-29 | 2022-06-02 | 텔스타홈멜 주식회사 | 생산설비 품질관리를 위한 솔루션 시스템 |
| KR102388593B1 (ko) * | 2020-10-23 | 2022-04-20 | 네모시스 주식회사 | 고장의 예측을 통한 부품의 등급별 관리방법 및 장치 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020096301A (ko) * | 2001-06-19 | 2002-12-31 | 주식회사 삼삼 | 철도건널목의 전자유니트 제어장치 |
| JP2005073448A (ja) | 2003-08-27 | 2005-03-17 | Mitsubishi Electric Corp | 車両保守管理装置 |
| KR20050060249A (ko) * | 2003-12-16 | 2005-06-22 | 한국철도기술연구원 | 도시철도차량 유지보수 정보화 응용시스템 |
| JP2008162458A (ja) | 2006-12-28 | 2008-07-17 | Mitsubishi Electric Corp | 車両保守情報通信システム |
-
2010
- 2010-12-24 KR KR1020100134122A patent/KR101242060B1/ko not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020096301A (ko) * | 2001-06-19 | 2002-12-31 | 주식회사 삼삼 | 철도건널목의 전자유니트 제어장치 |
| JP2005073448A (ja) | 2003-08-27 | 2005-03-17 | Mitsubishi Electric Corp | 車両保守管理装置 |
| KR20050060249A (ko) * | 2003-12-16 | 2005-06-22 | 한국철도기술연구원 | 도시철도차량 유지보수 정보화 응용시스템 |
| JP2008162458A (ja) | 2006-12-28 | 2008-07-17 | Mitsubishi Electric Corp | 車両保守情報通信システム |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100419057B1 (ko) * | 2002-02-18 | 2004-02-18 | 주식회사 엘지생명과학 | 고체약물투입기 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20120072398A (ko) | 2012-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110764493B (zh) | 一种适用于高速铁路的phm应用系统、方法及存储介质 | |
| Wang et al. | Real-time defect detection of high-speed train wheels by using Bayesian forecasting and dynamic model | |
| CN103617110B (zh) | 服务器设备状态检修系统 | |
| CA2387934C (en) | A process for the monitoring and diagnostics of data from a remote asset | |
| KR101242060B1 (ko) | 도시철도차량의 신뢰도 및 가용도 관리 시스템 | |
| EP2837984B1 (en) | Process to optimize the maintenance of technical systems | |
| Ghasemi et al. | Estimating mean residual life for a case study of rail wagon bearings | |
| Márquez et al. | Designing CBM plans, based on predictive analytics and big data tools, for train wheel bearings | |
| Mathew et al. | Regression kernel for prognostics with support vector machines | |
| Chi et al. | Multi-state system modeling and reliability assessment for groups of high-speed train wheels | |
| CN113177650A (zh) | 一种铁路货车车厢的预测性维护方法及装置 | |
| CN111915026A (zh) | 故障处理方法、装置、电子设备及存储介质 | |
| Shimada et al. | A statistical approach to reduce failure facilities based on predictive maintenance | |
| Brahimi et al. | Development of a prognostics and health management system for the railway infrastructure—Review and methodology | |
| EP3637121B1 (en) | System and method of adaptive remaining useful life estimation using constraint convex regression from degradation measurement | |
| De Simone et al. | LSTM-based failure prediction for railway rolling stock equipment | |
| Appoh et al. | Hybrid adaptive model to optimise components replacement strategy: A case study of railway brake blocks failure analysis | |
| Brahimi et al. | Prognostics and health management for an overhead contact line system-a review | |
| JP7417342B2 (ja) | 列車車室の振動監視方法、振動信号特徴ライブラリの構築及び応用方法 | |
| Rosyidi et al. | Predictive maintenance with PCA approach for multi automated railroad crossing system (ARCS) in the framework of prognostic and health management (PHM) planning | |
| Wagner et al. | An overview of useful data and analyzing techniques for improved multivariate diagnostics and prognostics in condition-based maintenance | |
| Chen et al. | BIM-and IoT-Based Data-Driven Decision Support System for Predictive Maintenance of Building Facilities | |
| Nappi | Integrated maintenance: analysis and perspective of innovation in railway sector | |
| KR102656115B1 (ko) | 연료전지 시스템의 잔여 수명 예측 방법 및 이를 수행하는 디지털 트윈 장치 | |
| Sun et al. | A data-driven framework for tunnel infrastructure maintenance |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| 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: 20160307 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20170224 Year of fee payment: 5 |
|
| LAPS | Lapse due to unpaid annual fee |