KR102332500B1 - 가용 정보 품질 우선순위 기반 신뢰성 예측 방법 - Google Patents

Abstract

가용 정보 품질 우선순위 기반 신뢰성 예측 방법이 개시된다.
이 방법에서, 먼저 신뢰성 예측의 대상 부품에 대한 필드 데이터, 유사 부품 데이터 또는 시험 데이터가 존재하는지 여부가 판단된다. 그 후, 대상 부품에 대한 필드 데이터, 유사 부품 데이터 또는 시험 데이터가 존재하는 경우 존재하는 데이터를 사용하여 대상 부품에 대한 신뢰도 예측이 수행된다. 그러나, 대상 부품에 대한 필드 데이터, 유사 부품 데이터 또는 시험 데이터가 존재하지 않는 경우에는 신뢰도 예측을 위해 미리 정의된 규격서를 사용하여 대상 부품에 대한 신뢰도 예측이 수행된다. 이 때, 미리 정의된 규격서를 사용하여 대상 부품에 대한 신뢰도 예측이 수행되는 단계는 대상 부품의 유형 및 사용 환경 조건을 포함하는 가용 정보 품질의 우선순위 기반으로 부품별로 미리 설정된 규격서에 따라 대상 부품에 대한 신뢰도 예측이 수행된다.

Description

가용 정보 품질 우선순위 기반 신뢰성 예측 방법 {Reliability prediction method based on priority of available information quality}

본 발명은 가용 정보 품질 우선순위 기반 신뢰성 예측 방법에 관한 것으로, 더욱 상세하게는 다양한 신뢰도 예측 방법을 비교하여 우선순위를 적용함으로써 신뢰도의 정확도가 향상될 수 있는 가용 정보 품질 우선순위 기반 신뢰성 예측 방법에 관한 것이다.

신뢰도 예측은 1957년 AGREE 보고서에서 제안된 이래 가장 중요한 신뢰성 활동으로 간주되어, MIL-HDBK217로 대표되는 많은 예측 방법론들이 개발되어 왔다.

이러한 신뢰도 예측은 설계안의 신뢰도 목표 달성 여부의 판단이나 대안의 제시, 정비 방식이나 예비 부품의 결정 등 다양한 분야에 활용된다. 따라서, 이러한 후속 활동들이 잘 진행되기 위해서는 예측의 정확성을 제고하는 것은 매우 중요한 일이다. 외국에서도 이러한 요구가 많이 있어, 신뢰도 예측의 정확성을 높이고자 하는 다양한 시도가 있어 왔다.

일부에서는 신뢰성과 신뢰도를 구분하여 사용하고 있다. 신뢰성은 어떤 제품이나 부품에서 고장이나 결함이 발생하지 않아 작동이 잘 될 시간적 안정성을 나타내는 광의의 개념이나 신뢰도는 이를 정량화시킨 협의의 개념이다. 사실 신뢰도를 예측하는 근본적인 이유는 개발 중인 무기 체계에서 발생 가능한 모든 고장을 사전에 예측하여 그들을 억제할 방안을 마련하자는 것이라고 보면 정량적인 신뢰도 예측만으로는 이를 달성할 수는 없다.

설계 타당성 평가, 설계 취약점 식별, 신뢰성 시험 설계 등을 위해서는 어떤 고장이 발생할 수 있는지를 알아야지, 단지 고장률이나 MTBF(Mean Time Between Failure)만 예측하는 것으로는 이러한 목적은 달성할 수 없다. 또한, 이러한 신뢰도 예측도 어떤 고장이 가능한지에 따라 달라지게 되므로, 신뢰성 관리의 근본 목적인 고장의 미연 예방을 위해서는 신뢰도 예측을 포함한 신뢰성 예측이 먼저 이루어져야 할 것이다.

한편, 기존의 신뢰도 예측 절차는 상위 단계로만 표현되어 있어서, 다양한 방법 중에 어떠한 방법을 선택할지 사용자가 인지하지 못하여, 이전에 사용하던 방법이나 편한 방법으로 예측을 수행함으로써, 신뢰도 예측값의 정확도 하락 우려가 있다.

본 발명이 해결하고자 하는 기술적 과제는 다양한 신뢰도 예측 방법을 비교하여 우선순위를 적용함으로써 신뢰도의 정확도가 향상될 수 있는 가용 정보 품질 우선순위 기반 신뢰성 예측 방법을 제공함에 있다.

상기한 바와 같은 본 발명의 과제를 달성하고, 후술하는 본 발명의 특징적인 효과를 실현하기 위한, 본 발명의 특징적인 구성은 하기와 같다.

본 발명의 일 측면에 따르면, 부품 신뢰성 예측 방법이 제공되며, 이 방법은,

가용 정보 품질 우선순위 기반으로 부품의 신뢰성 예측을 수행하는 방법으로서, 신뢰성 예측의 대상 부품에 대한 필드 데이터, 유사 부품 데이터 또는 시험 데이터가 존재하는지 여부가 판단되는 단계, 그리고 상기 대상 부품에 대한 필드 데이터, 유사 부품 데이터 또는 시험 데이터가 존재하는 경우 존재하는 데이터를 사용하여 상기 대상 부품에 대한 신뢰도 예측이 수행되거나, 또는 상기 대상 부품에 대한 필드 데이터, 유사 부품 데이터 또는 시험 데이터가 존재하지 않는 경우 신뢰도 예측을 위해 미리 정의된 규격서를 사용하여 상기 대상 부품에 대한 신뢰도 예측이 수행되는 단계를 포함하며, 상기 미리 정의된 규격서를 사용하여 상기 대상 부품에 대한 신뢰도 예측이 수행되는 단계는 상기 대상 부품의 유형 및 사용 환경 조건을 포함하는 가용 정보 품질의 우선순위 기반으로 부품별로 미리 설정된 규격서에 따라 상기 대상 부품에 대한 신뢰도 예측이 수행되는 단계이다.

여기서, 상기 미리 정의된 규격서를 사용하여 상기 대상 부품에 대한 신뢰도 예측이 수행되는 단계는, 상기 대상 부품이 원샷 시스템인지의 여부가 판단되는 단계, 그리고 상기 대상 부품이 원샷 시스템인 경우 상기 대상 부품에 대해 저장 신뢰도 예측이 수행되거나, 또는 상기 대상 부품이 원샷 시스템이 아닌 경우 상기 대상 부품에 대한 부품 신뢰도 예측이 수행되는 단계를 포함한다.

또한, 상기 대상 부품에 대한 부품 신뢰도 예측이 수행되는 단계는, 상기 대상 부품이 기계 부품인 경우, 부하 강도 분석이 가능한지의 여부가 판단되는 단계, 그리고 상기 부하 강도 분석이 가능한 것으로 판단되는 경우 상기 대상 부품에 대한 부하 강도 분석을 수행하여 고장률이 예측되거나, 또는 상기 부하 강도 분석이 가능하지 않은 것으로 판단되는 경우 NSWC(Naval Surface Warfare Center) 규격서 또는 NPRD(Nonelectronic Parts Reliaibility Data) 규격서를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측이 수행되는 단계를 포함한다.

또한, 상기 NSWC 규격서에 상기 대상 부품이 포함되어 있는 경우 상기 NSWC를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측이 수행되고, 상기 NSWC 규격서에 상기 대상 부품이 포함되어 있지 않은 경우에 상기 NPRD 규격서를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측이 수행된다.

또한, 상기 대상 부품에 대한 부품 신뢰도 예측이 수행되는 단계에서, 상기 대상 부품이 전자 부품인 경우, 복합 스트레스 존재 여부, 발생 가능한 고장 메커니즘이 다수인지의 여부 및 고장률 수준 혼합의 가능 여부에 따라 미리 설정된 규격서를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측이 수행된다.

또한, 상기 복합 스트레스가 존재하지 않는 경우, 217F 규격서 또는 EPRD(Electronic Parts Reliability Data) 규격서를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측이 수행된다.

또한, 상기 복합 스트레스가 존재하고 상기 발생 가능한 고장 메커니즘이 다수이며 상기 고장률 수준 혼합이 가능한 경우, 고장률 혼합 방법의 규격서를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측이 수행되거나, 또는 상기 복합 스트레스가 존재하고 상기 발생 가능한 고장 메커니즘이 다수이며 상기 고장률 수준 혼합이 가능하지 않은 경우, 217 plus 규격서 또는 FIDES 규격서를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측이 수행되거나, 또는 상기 복합 스트레스가 존재하고 상기 발생 가능한 고장 메커니즘이 다수가 아닌 경우, 가변 환경을 대표하는 명목 환경 수준을 산출하여 고장률이 산출된다.

또한, 상기 대상 부품에 대해 저장 신뢰도 예측이 수행되는 것은, 상기 대상 부품이 기계 부품인 경우, LC82-1 규격서 또는 RADC85-91 규격서를 사용하여 상기 대상 부품에 대한 저장 신뢰도 예측이 수행되는 단계를 포함한다.

또한, 상기 대상 부품이 전자 부품인 경우, 휴면 상태인지의 여부가 판단되는 단계, 그리고 상기 휴면 상태가 아닌 것으로 판단되는 경우 LC82-1 규격서 또는 RADC85-91 규격서를 사용하여 상기 대상 부품에 대한 저장 신뢰도 예측이 수행되거나, 또는 상기 휴면 상태인 것으로 판단되는 경우 217F 규격서, 217 plus 규격서, FIDES 규격서, EPRD 규격서 및 LC82-1 규격서 중 하나를 적용하여 상기 대상 부품에 대한 저장 신뢰도 예측이 수행되는 단계를 포함한다.

또한, 상기 대상 부품이 원샷 시스템인지의 여부가 판단되는 단계 전에, 상기 대상 부품과 관련된 임무 유형이 입력되는 단계, 그리고 상호작용 고장 유도 환경이 입력되는 단계를 더 포함한다.

또한, 상기 대상 부품에 대한 부품 신뢰도 예측이 수행되는 단계 후에, 환경 조건 보정이 수행되는 단계, FMD(Failure Mode Distribution) 보정이 수행되는 단계, 그리고 NOC(Not Otherwise Code) 부품 예측이 수행되는 단계를 더 포함한다.

본 발명에 따르면, 다양한 신뢰도 예측 방법을 비교하여 우선순위를 적용함으로써 신뢰도의 정확도가 향상될 수 있다.

도 1은 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측 방법의 개략적인 흐름도이다.
도 2는 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측 방법에서의 기계 부품 신뢰도 예측 과정의 개략적인 흐름도이다.
도 3은 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측 방법에서의 전자 부품 신뢰도 예측 과정의 개략적인 흐름도이다.
도 4는 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측 방법에서의 저장 신뢰도 예측 과정의 개략적인 흐름도이다.
도 5는 본 발명의 실시예에 따른 신뢰성 예측 장치의 개략적인 구성을 나타내는 도면이다.

이하, 첨부한 도면을 참고로 하여 본 발명의 실시예들에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예들에 한정되지 않는다.

본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.

또한, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

이하, 도면을 참조하여 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측 방법에 대해 설명한다.

도 1은 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측 방법의 개략적인 흐름도이다. 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측은 도 1을 참조하여 설명되는 부품 신뢰도 예측에 의해 달성될 수 있다.

도 1을 참조하면, 먼저, 신뢰도 예측의 대상이 되는 부품 선정이 수행된다(S100). 구체적으로, 본 발명의 실시예에서 대상 부품을 선정하기 위해 먼저 예측 기본 단위가 결정된다. 즉, 신뢰도 예측의 기본 분석 단위가 합리적으로 결정되어야 한다. 이러한 예측 기본 분석 단위는 BOM(Bill of Material)을 활용하여 결정될 수 있다. 신뢰성 이론에서는 예측 기본 분석 단위를 컴포넌트(component)라고 하는데, 컴포넌트란 파괴하지 않고는 분해되지 않는 단위를 정의하고 있다. 따라서, 이러한 정의를 기반으로, 전자 부품의 경우에는 능동 소자, 수동 소자, 그리고 PCB나 커넥터와 같은 구조체 등으로 분류된다. ASIC(application specific integrated circuit)의 경우에는 여러 개의 소자가 합쳐져 있지만 하나의 소자로 간주하는 것이 필요하다. 기계 부품의 경우는 액츄에이터(actuator)(작동 부품)와 구조 부품으로 구분하고, 파괴하지 않으면 분해가 안 되는 단위를 기능을 고려하여 결정된다. 예를 들어, 리벳의 경우 접합시키려는 구조 부품을 하나로 하여 예측이 실시된다. 와셔나 볼트의 경우도 마찬가지이다. 이러한 구조 부품들은 부하 강도 분석을 실시하여 고장률을 예측함을 원칙으로 한다. 고무 패킹 등 화학 제품도 분해가 되지 않는 단위를 하나의 단위로 선정된다.

다음, 사용 환경 조건의 분석이 수행된다. 즉, 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측은 사용 환경 조건의 변화를 고려한 신뢰도 예측을 수행한다. 기존의 217F를 이용한 예측의 정확성이 떨어지는 이유로 지속적으로 제기된 것은 217F에서는 사용 환경 조건을 단일 조건만 고려할 수 있다는 것이다. 사실 어떤 무기라고 하더라도 고장 유발 인자는 온도만 있는 것은 아니며, 온도도 단일 수준만 고려되어서는 안된다. 따라서, 잠재 고장 모드나 메커니즘을 예측하여 다양한 인자가 필요하다고 판단되는 경우에는 사용 환경 조건에 따른 분석이 수행되어야 한다. 특히, 다양한 스트레스 수준에 대한 고려는 각 수준별로 고장률을 구하여 이를 작동 시간에 대한 가중 평균을 구하거나, 아니면 다양한 수준을 대표하는 명목 수준을 구하여 신뢰도가 예측될 수 있다. 그러나, 온도 사이클이나 열충격, 반복 하중과 같이 다른 수준이 반복되는 경우에는 해당 부품에 대한 217plus 나 FIDES 모형, 또는 PoF(Physics of Failure)를 이용한 예측이 이루어져야 한다.

한편, 전술한 바와 같이, 대상 부품 선정이 완료되면, 선정된 대상 부품에 대한 필드 데이터가 있는지가 판단된다(S110).

신뢰도 예측의 정확성을 높이기 위한 방법으로 필드 데이터를 이용한 예측이 고려된다. 사실 217F와 같은 DB를 이용한 예측에서 정확성이 미흡하게 되는 이유 중 하나가 미국산 부품 위주라는 것으로, 우리와는 사용 환경이 다르다는 것이기 때문에, 이를 극복하기 위하여 필드 데이터를 이용하는 것이 바람직하다.

상기 단계(S110)에서, 선정된 대상 부품에 대한 필드 데이터가 있는 것으로 판단되면, 환경 조건 보정을 통한 신뢰도 예측이 수행된다(S120). 이것은 선정된 대상 부품의 개발 단계 등에서는 해당되는 필드 데이터를 확보하기가 쉽지 않기 때문에, 과거의 필드 데이터를 사용하기 위해 대상 부품의 사용 환경 조건에 따른 보정이 수행되어야 한다.

다음, 상기 단계(S110)에서, 선정된 대상 부품에 대한 필드 데이터가 없는 것으로 판단되면, 유사 부품 데이터(또는 유사 장비 데이터)가 있는지가 판단된다(S130). 만약 유사 부품 데이터가 있는 경우에는 유사 부품 데이터에 따른 분석 방법을 통하여 부품 신뢰도 예측이 수행된다(S140).

이와 같이, 분석하고자 하는 대상 부품과 유사한 부품이 있고, 이들에 대한 필드 데이터나 시험 데이터가 있으면 이를 이용하여 고장률이 예측될 수 있다. 이 경우, 217plus에서 제시한 베이지안 분석법이 활용될 수 있다. RAMDB나 LAMBDA 체계에서 고장률 데이터를 구할 수 있는 경우에는 해당 자료가 활용될 수 있다. 또한, 필요한 경우 FMEA(Failure Mode and Effect Analysis) 분석을 통하여 얻어진 고장 모드의 발생 가능성을 고려하여 고장률 보정이 실시될 수 있다.

한편, 상기 단계(S130)에서 대상 부품에 대한 유사 부품 데이터가 없는 것으로 판단되면, 대상 부품에 대한 시험 데이터가 있는지가 판단된다(S150).

만약 시험 데이터가 있는 경우에는 시험 데이터 분석을 통하여 부품 신뢰도 예측이 수행될 수 있다(S160).

신뢰도 예측의 정확성을 높이기 위해 전술한 필드 데이터와 마찬가지로 시험 데이터를 이용한 예측이 고려될 수 있다. 필드 데이터가 현지 시험 데이터라는 점을 고려하면 시험 데이터도 217F와 같은 외국 규격을 이용하는 예측보다 정확하게 될 것이다. 그러나, 시험 데이터의 경우에는 실험실에서 조건을 규정하고 실시한 데이터이기 때문에 필드 데이터보다는 활용에 제약을 가질 수 있다.

한편, 상기 단계(S150)에서 대상 부품에 대한 시험 데이터가 없는 것으로 판단되는 경우에는, 대상 부품과 관련된 임무 유형(Mission Profile, MP)이 입력된다(S170).

본 발명의 실시예에서는 OMS(Operational Mode Summary)/MP를 기반으로 운용환경 및 임무 유형을 알고 다양한 스트레스의 변화가 반영된 신뢰도 예측이 수행되도록 하기 위해 임무 유형의 입력이 수행된다.

그 후, 상호작용 고장(interaction failure) 유도 환경이 입력된다(S180). 상호작용 고장 유도 환경이란 시스템이 사용환경 온도와 그 시스템 하위 부품의 온도가 많은 차이가 날 때 하위 부품 신뢰도 예측 시에는 사용 환경 온도가 아닌 하위 부품이 환경 온도로 신뢰도 예측을 하는 것이다. 예를 들어 엔진과 가까운 부품은 시스템 사용 환경 온도보다 높기 때문에 그 부품의 온도로 예측을 한다는 것이다.

다음, 원샷 시스템인지의 여부가 판단된다(S190). 여기서, 원샷 시스템이란, 1회 사용 후 파괴되는 시스템으로 구성된 것을 의미한다. 이러한 원샷 시스템은 대기 또는 보관 상태에서 제품 수명의 대부분을 보내는 특성을 나타내며, 시험을 하기 전까지는 수명 데이터를 수집할 수 없으므로, 전적으로 시험에 의존해야 한다. 또한, 원샷 시스템은 성공 또는 실패로 표현되는 가부 반응 데이터를 가지고, 한 제품 당 하나의 데이터만을 수집할 수 있어 많은 정보를 가진 수명 데이터를 수집하는데 어려움이 있다.

만약 대상 부품이 원샷 시스템인 경우에는 저장 신뢰도 예측이 수행되지만(S200), 원샷 시스템이 아닌 경우에는 대상 부품이 전자 부품인지가 판단된다(S210).

만약 대상 부품이 전자 부품이면, 대상 부품에 대해 전자 부품 신뢰도 예측이 수행되지만(S220), 대상 부품이 전자 부품이 아니면, 즉 기계 부품이면 기계 부품 신뢰도 예측이 수행된다(S230).

이하, 대상 부품이 원샷 시스템이 아닌 경우에 수행되는 기계 부품 신뢰도 예측 방법에 대해 구체적으로 설명한다.

도 2는 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측 방법에서의 기계 부품 신뢰도 예측 과정의 개략적인 흐름도이다.

도 2를 참조하면, 먼저 대상 부품에 대해 부하 강도 분석이 가능한지가 판단된다(S300).

만약 부하 강도 분석이 가능하면, 부하 강도 분석을 실시하여 고장률을 예측한다(S310). 여기서, 부하 강도 분석은 CAE(Computer Aided Engineering) 등으로 실시할 수도 있다. 이와 같이 부하 강도 분석을 실시하여 신뢰도 R을 구하고, (여기서, λ는 고장률이고, t는 시간임)에 의하여 고장률을 구한다.

그러나, 부하 강도 분석이 가능하지 않다면, NSWC(Naval Surface Warfare Center, 미국 해군 수상전 센터)에 대상 부품이 존재하는지가 판단된다(S320).

만약 NSWC에 대상 부품이 존재하면, NSWC를 적용하여 대상 부품에 대해 기계 부품 신뢰도 예측이 수행된다(S330).

여기서, NSWC는 NSWC에서 기계 부품의 고장률을 예측하기 위해 발간된 예측 방식을 의미하며, 베어링, 스프링 등 22종의 기계 부품에 대한 예측 모델을 제시한다. 기계 부품은 광범위한 고장률 분산 분포와 사용 환경, 스트레스에 대해 민감한 고장률 변화를 가지므로 기계 부품의 공통적인 몇 가지 특성을 고려하여 고장률 예측에 이용한다.

그러나, NSWC에 대상 부품이 존재하지 않으면, NPRD(Nonelectronic Parts Reliaibility Data)를 적용하여 대상 부품에 대한 기계 부품 신뢰도 예측이 수행된다(S340).

여기서, NPRD는 RiAC(Reliability Information Analysis Center)에서 신뢰도 예측 분석에 사용할 수 있는 부품의 고장률을 제공하는 데이터북이다. 1995년에 NPRD95를 2011년에는 NPRD2011을 출판하였으며, 2016에는 NPRD2016을 출간하였다. 버전별 비교는 다음의 [표 1]을 참조한다.

[표 1]

다음, 전술한 단계들, 즉 S310, S330 및 S340 후에, 환경 조건 보정이 수행되고(S350), 그 후, FMD(Failure Mode Distribution) 보정(S360)(S360) 및 NOC(Not Otherwise Code) 부품 예측(S370)을 수행하여 MTBF(Mean Time Between Failure)를 예측한다. 여기서, FMD는 부품의 정비 데이터, 자체 고장 분석 데이터로 공자융형과 비율의 정보를 확인할 수 있고, NOC 부품 예측은 브라켓, 튜브, 볼트, 너트 등과 같은 마이너 부품을 NOC 분류하여 마이너 부품간의 고장률을 고려한다.

다음, 대상 부품이 원샷 시스템이 아닌 경우에 수행되는 전자 부품 신뢰도 예측 방법에 대해 구체적으로 설명한다.

도 3은 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측 방법에서의 전자 부품 신뢰도 예측 과정의 개략적인 흐름도이다.

전기, 전자 시스템은 제품들의 신뢰성, 안정성 측면의 제고가 과거 어느 때 보다도 요구되고 있다. 따라서, 전기, 전자 시스템에서는 단순한 부품 수준의 신뢰성보다도 시스템 차원의 신뢰성에 대한 제고가 무엇보다도 중요하며 그에 대한 모형 수립 및 분석이 매우 필요하다.

도 3을 참조하면, 먼저, 복합 스트레스가 존재하는지가 판단된다(S400).

만약 복합 스트레스가 존재하지 않으면, 217F, EPRD(Electronic Parts Reliability Data)를 적용하여 전자 부품 신뢰도 예측이 수행된다(S410). 여기서 217F는 전자 부품의 경우에 수행되고, EPRD는 기계 부품의 경우에 수행될 수 있다.

또한, 217F는 전자 장비에 대한 신뢰성 예측을 목적으로 제정된 신뢰성 규격으로, 신뢰성 분석 센터의 연구를 기초로 미 국방부에 의하여 제시되었다. 이러한 217F는 집적 회로, 트랜지스터, 다이오드, 저항, 캐패시터, 릴레이 등 다양한 부품들의 고장률 모형들을 포함한다. 이러한 고장률 모형들은 오랜 기간 다양한 부품과 시스템에 대한 필드 데이터들을 근간으로 통계적 분석을 통하여 수립되었다. 또한, 부품 수량 분석과 부품 부하 분석이 제공된다. 부품 수량 분석은 부품 부하 분석보다 단순한 방법으로 입찰의 제안이나 초기 설계 단계 등 충분한 정보가 가용하지 않을 경우 적용 가능한 방법으로 고장률 산출에 간단한 입력 정보를 바탕으로 부품 고장률 산출하는 방법이다. 반면에, 부품 부하 분석은 부품 수량 분석보다 복잡하고 실제 적용상의 온도 조건이나 전기적 스트레스에 대한 상세한 정보가 요구된다.

또한, EPRD는 NPRD와 마찬가지로, RiAC에서 전자 부품의 고장률 데이터를 제공하여 신뢰성 예측 기법을 보완하고자 출간한 핸드북이다. 이러한 EPRD는 전기, 전자 부품의 고장률 데이터를 수집한 핸드북이며, 전기, 전자 부품 조합에 따른 고장률 데이터를 포함하며, 민수용 및 군용 시스템들의 신뢰도를 예측하는데 활용될 수 있다. EPRD의 버전별 비교는 다음의 [표 2]와 같다.

[표 2]

한편, 상기 단계(S400)에서 복합 스트레스가 존재하는 것으로 판단되면, 고장률 혼합, 217Plus, FIDES를 사용하여 전자 부품 신뢰도 예측이 수행된다.

구체적으로 설명하면, 먼저 가변 환경에서 발생 가능한 고장 메커니즘이 다수인지가 판단된다(S420).

만일 가변 환경에서 발생 가능한 고장 메커니즘이 다수이면, 고장률 수준 혼합 가능성이 판단되고(S430), 만약 고장률 수준 혼합이 가능하면 고장률 혼합 방법이 적용되어 전자 부품 신뢰도 예측이 수행된다(S440).

여기서, 고장률 혼합은 정확도 향상을 위해 고장률 모델을 개발하는 것이다. 다양한 사용 조건 반영이 가능하여 온도, 습도, 진도 화학적 스트레스 등 다양한 환경 조건이 고려될 수 있다. 이에 정확성이 향상되어 각 신뢰도 예측 규격의 고장률 모델이 특징을 가지고 있는 인자를 반영할 수 있다.

그러나, 만약 고장률 수준 혼합이 불가능하면, 217 plus나 FIDES를 적용하여 고장률이 예측된다(S450). 여기서, 제조사 품질 보증 수준 팩터, 라이프 사이클에 따른 프로세스 팩터 정보를 알고 있는 경우에 FIDES가 적용되고, 정보가 없고 기존 환경 정보만 갖고 있는 경우에는 217PLUS가 적용된다.

또한, 217 Plus는 RiAC에 의해 개발된 전기, 전자 시스템의 신뢰도 예측 방법론이다. 체계적인 방법론으로서 217 Plus는 시스템에 대하여 거의 알려지지 않은 시점인 초기 설계 단계에서 시스템 신뢰도를 추정할 수 있게 해준다. 예를 들어, 시스템 개발 초기 일반 부품 리스트에 근거하여 신뢰도를 추정할 수 있다. 테스트나 필드 데이터 등 추가적인 정보가 가용해질 경우, 모형은 이 데이터를 통하여 초기 예측치를 보완할 수 있게 해준다.

또한, FIDES는 전기, 전자 부품 및 서브 어셈블리 단위에서의 고장률 예측 모델을 제공하며, 특히 신뢰도에 영향을 미치는 모든 물리적 기술적 요인들을 고려한다. 217 Plus와 마찬가지로 고장 물리에 기반하여 고장률 예측 모델을 개발하였으며 기후적, 전기적, 기계적, 화학적, 유도적 영향에 대한 스트레스를 평가할 수 있다. 또한, FIDES는 부품 수량분석(Part Count Analysis), 부품 부하 분석(Part Stress Analysis) 이외에도 제품군 수량 분석, 완전 상세 분석 기법을 제공하고 있다.

한편, 상기 단계(S420)에서, 고장 메커니즘이 하나인 경우에는, 가변 환경을 대표하는 명목 환경 수준을 산출하여 고장률을 산출한다(S460). 이 경우, 217F를 우선하는 규격 혼합 방식이 활용된다. 여기서, 명목 환경 수준은 진동 등 기계적 스트레스는 마이너 규칙(Miner rule), 온도 스트레스는 아레니우스식, 전압/전류는 역제곱법칙 등을 활용하여 산출된다. 만일 단순 환경인 경우, 대상 부품이 상업용인가를 확인하여 ANSI/VITA51.1이 적용된다. ANSI/VITA51.1는 각 기업의 오랜 경험을 바탕으로 개발되었기 때문에 반드시 적용되어야 한다. 만일 적용이 불가능하면 규격 혼합 방법이 활용된다. 여기서, ANSI/VITA는 미국에서 217F의 단점을 극복하기 위하여 기업체들이 모여 규격의 혼합, 217F 고장률 모델의 계수 조정 등의 새로운 대안을 제시한 것이다. 이 규격은 미 국방성에서 COTS(commercial off the shelf) 전자 모듈의 신뢰성 예측에 대한 표준을 수립하고자 만든 것이다. 이러한 ANSI/VITA는 여러 기업들의 동의하에 제정된 것으로 217F보다 정확한 예측을 할 수 있을 것으로 기대된다.

다음, 전술한 단계들, 즉 S440, S450 및 S460 후에, 환경 조건 보정(S470), FMD 보정(S480) 및 NOC 부품 예측(S480)을 수행하여 MTBF를 예측한다. 이에 대해서는 도 2에서 설명된 대응 부분을 참조하면 쉽게 이해될 것이므로, 여기에서는 구체적인 설명을 생략한다.

다음, 도 1의 단계 S190에서 원샷 시스템인 경우에 수행되는 저장 신뢰도 예측 방법에 대해 설명한다.

도 4는 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측 방법에서의 저장 신뢰도 예측 과정의 개략적인 흐름도이다.

도 4를 참조하면, 먼저 대상 부품이 전자 부품인지 여부가 판단된다(S500).

만약 대상 부품이 전자 부품이 아니면, 대상 부품이 기계 부품인지가 판단된다(S510).

만약 대상 부품이 기계 부품이면, LC82-1, RADC85-91을 적용하여 저장 신뢰도 예측을 수행한다(S520).

여기서, LC82-1은 미 육군 미사일 R&D 사령부에서 제시한 것으로, 비운영 신뢰성(nonoperating reliability)을 저장장치에 한정하여 고장률 모델 및 고장률 데이터를 제시하고 있다.

또한, RADC85-91은 미 공군 시스템 사령부에서 제시한 것으로, 비운용 신뢰성을 도먼트(dormant) 환경 조건을 기반으로 고장률 모델을 제시하고 있다. 도먼트인 경우 운용 환경은 수송, 취급, 경계 시간, 운용 준비 상태 시간 등이며, 저장장치인 경우 운용 환경은 저장으로 구분한다. 과거에는 도먼트 조건에 대한 신뢰도 예측을 운용 고장률 대비 10% 또는 0%로 분석하는 방법으로 진행하였다.

그러나, 대상 부품이 기계 부품이 아니면, 즉 대상 부품이 전자 부품 및 기계 부품이 아니면, 열화 시험을 통해 저장 신뢰도 예측이 수행된다(S530).

여기서, 열화 시험은 시간적으로 열화하는 특성치를 측정하고자 하는 시험을 말한다. 일반적으로, 신뢰성을 평가하기 위하여 가속 시험법이 많이 사용된다. 이러한 가속 시험에는 크게 가속 스트레스 시험(Accelerated Stress Test), 가속 수명 시험(Accelerated Life Tet) 두 가지가 있다. 하지만, 제품들의 신뢰성이 향상되어 가속 수명 시험을 실시하더라도 규정된 시험 시간 동안 고장을 발견할 수 없는 경우가 발생한다. 고장이 발생하지 않는다고 해서 더 가혹한 스트레스를 인가하여 전혀 다른 고장 메커니즘이 나타날 수 있기 때문에 시험의 목적을 달성하기 어려워진다. 열화 시험은 이러한 단점을 보안하기 위하여 시간에 따라 점차 열화하는 특성을 갖는 제품에 대하여 시험을 실시하고, 그 과정에서 정해진 시간마다 특성치를 측정하여 수명을 예측하거나 신뢰성 평가하는 것이다. 열화 시험은 대부분 가속 조건에서 실시하게 되는데, 열화를 촉진하기 위하여 스트레스를 가속하여 실시하는 열화 시험을 가속 열화 시험(Accelerated Degradation Test, ADT)이라 한다.

한편, 상기 단계(S500)에서, 대상 부품이 전자 부품이면, 먼저 휴면 상태인지가 판단된다(S540).

만약 휴면 상태가 아니면 전술한 단계(S520)가 수행되지만, 만약 휴면 상태이면, 217F, 217 plus, FIDES, EPRD, LC82-1을 적용하여 저장 신뢰도 예측이 수행된다(S550). 여기서, 217F, 217 plus, FIDES, EPRD, LC82-1는 해당 부품의 신뢰도 예측을 위한 정보의 유무에 따라 적용 여부가 달라질 수 있다.

다음, 전술한 단계들, 즉 S520, S530 및 S550 후에, FMD 보정이 수행된다(S560). 이에 대해서는 도 2에서 설명된 대응 부분을 참조하면 쉽게 이해될 것이므로, 여기에서는 구체적인 설명을 생략한다.

전술한 바와 같이, 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측 방법에 따르면, 다양한 신뢰도 예측 방법을 비교하여 우선순위를 적용함으로써 신뢰도의 정확도가 향상될 수 있다. 구체적으로, 필드 데이터, 유사 부품 데이터 또는 시험 데이터가 있는 경우에는 해당되는 필드 데이터, 유사 부품 데이터 또는 시험 데이터를 사용한 부품 신뢰도 예측이 수행되지만, 필드 데이터, 유사 부품 데이터 또는 시험 데이터가 없는 경우에는 기존의 부품 신뢰도 예측을 위해 사용되는 규격서를 통해 대상 부품에 대한 부품 신뢰도 예측이 수행되고, 규격서를 통한 부품 신뢰도 예측시에도 대상 부품 유형, 사용 환경 등과 같은 가용 정보 품질의 우선순위에 따라 미리 설정되어 있는 규격서를 통해 부품 신뢰도 예측이 수행됨으로써, 기존에 비해 신뢰도의 정확도가 향상된 부품 신뢰도 예측이 가능해진다.

도 5는 본 발명의 실시예에 따른 신뢰성 예측 장치(100)의 개략적인 구성을 나타내는 도면이다.

도 5에 도시된 바와 같이, 본 발명의 실시예에 따른 신뢰성 예측 장치(100)는 적어도 하나의 프로세서(110), 메모리(120), 통신기(130), 입출력기(140) 및 통신 버스(150)를 포함한다.

프로세서(110)는 범용 CPU(Central Processing Unit), 마이크로프로세서, ASIC(Application-Specific Integrated Circuit), 또는 본 출원의 해결수단에서 프로그램 실행을 제어하기 위한 하나 이상의 집적 회로일 수 있다.

메모리(120)는 본 발명의 실시예에 따른 가용 정보 품질 우선순위 기반 신뢰성 예측과 관련된 정보를 저장한다.

구체적으로, 메모리(120)는 코드의 집합을 저장하도록 추가로 구성되고, 그 코드는 다음과 같은 프로세스를 실행하기 위해 프로세서(210)를 제어하는 데 사용된다.　 이러한 프로세스는, 신뢰도 예측의 대상이 되는 부품 선정을 수행하는 프로세스, 대상 부품에 대해 필드 데이터나 시험 데이터가 있는 경우 대응되는 필드 데이터나 시험 데이터에 따른 신뢰도 예측을 수행하는 프로세스, 대상 부품과 유사 부품이 있는 경우 유사 부품에 따른 신뢰도 예측을 수행하는 프로세스, 대상 부품이 원샷 시스템인 경우 저장 신뢰도 예측을 수행하는 프로세스 및 대상 부품이 원샷 시스템이 아닌 경우 부품 신뢰도 예측을 수행하는 프로세스를 포함한다.　

여기서, 부품 신뢰도 예측을 수행하는 프로세스는 대상 부품이 기계 부품인 경우와 전자 부품인 경우를 구분하여 부품 신뢰도 예측을 수행하는 프로세스를 포함한다.

또한, 저장 신뢰도 예측을 수행하는 프로세스도 대상 부품이 기계 부품인 경우와 전자 부품인 경우를 구분하여 부품 신뢰도 예측을 수행하는 프로세스를 포함한다.

또한, 저장 신뢰도 예측을 수행하는 프로세스는 대상 부품이 전자 부품 및 기계 부품이 아닌 경우 열화 시험을 통해 저장 신뢰도 예측을 수행하는 프로세스를 더 포함한다.

한편, 전술한 부품 신뢰도 예측 프로세스 및 저장 신뢰도 예측 프로세스는 통신기(130)를 통해 연결된 외부 서버(도시되지 않음)에서 제공되는 예측 방식을 사용하여 수행될 수 있다.

메모리(120)는 ROM(Read-Only Memory) 또는 명령을 저장할 수 있는 다른 유형의 정적 저장 장치, 또는 RAM(Random Access Memory) 또는 정보 및 명령을 저장할 수 있는 다른 유형의 동적 저장 장치일 수 있거나, 또는 EEPROM(Electrically Erasable Programmable Read-Only Memory), CD-ROM(Compact Disc Read-Only Memory) 또는 다른 컴팩트 디스크 저장 장치 또는 광 디스크 저장 장치(압축 광 디스크, 레이저 디스크, 광 디스크, 디지털 다용도 디스크, 블루레이 디스크 등을 포함함), 자기 디스크 저장 매체 또는 다른 자기 저장 장치, 또는 명령 또는 데이터 구조의 형태로 예상 프로그램 코드를 운반하거나 저장할 수 있으면서 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체일 수 있으며, 이것은 제한되지 않는다.　 메모리(120)는 독립적으로 존재할 수 있으며, 통신 버스(150)에 의해 프로세서(110)에 연결된다.　

통신기(130)는 다른 장치 또는 통신 네트워크와 통신을 수행하며, 유무선 통신 기술을 포함하는 다양한 통신 기술로 구현될 수 있다.　 즉, 와이파이(WIFI), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), HSPA(High Speed Packet Access), 모바일 와이맥스(Mobile WiMAX), 와이브로(WiBro), LTE(Long Term Evolution), 지그비(Zigbee), 무선랜 기술, USB(Universal Serial Bus) 등이 적용될 수 있다.　 또한, 인터넷과 연결되어 서비스를 제공하는 경우 인터넷에서 정보 전송을 위한 표준 프로토콜인 TCP/IP를 따를 수 있다.

입출력기(140)는 구체적으로는 입력 장치(141)와 출력 장치(142)로 구성되며, 입력 장치(141)는 프로세서(110)와 통신하고, 복수의 방식으로 사용자의 입력을 수신할 수 있다.　 예를 들어, 입력 장치(141)는 마우스, 키보드, 터치 스크린 또는 센싱 장치일 수 있다.　 출력 장치(142)는 프로세서(110)와 통신하고, 복수의 방식으로 정보를 디스플레이하거나 음성을 출력할 수 있다.　 예를 들어, 출력 장치(142)는 LCD(Liquid Crystal Display, LCD), LED(Light Emitting Diode, LED) 디스플레이, OLED(Organic Light Emitting Diode) 디스플레이, 스피커 등일 수 있다.　

입력기(141)는 신뢰도 예측의 대상 부품의 정보, 환경 정보 등의 정보 입력을 수행하는 데 사용될 수 있고, 출력기(142)는 신뢰도 예측 과정 정보 및 신뢰도 예측 결과 정보 등의 출력을 위해 사용될 수 있다.

통신 버스(150)는 신뢰성 예측 장치(100)의 모든 컴포넌트들, 즉 프로세서(110), 메모리(120), 통신기(130) 및 입출력기(140)를 결합하도록 구성된다.

지금까지 참조한 도면과 기재된 발명의 상세한 설명은 단지 본 발명의 예시적인 것으로서, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (11)

1. 신뢰성 예측 장치가 가용 정보 품질 우선순위 기반으로 부품의 신뢰성 예측을 수행하는 방법으로서,
   신뢰성 예측의 대상 부품에 대해 필드 데이터, 유사 부품 데이터 및 시험 데이터의 순서로 가용 정보의 우선순위를 두고, 상기 우선순위에 따라 상기 가용 정보가 존재하는지 여부를 판단하는 단계,
   상기 가용 정보가 존재하는 것으로 판단되는 경우, 존재하는 가용 정보를 사용하여 상기 대상 부품에 대한 신뢰성 예측을 수행하거나, 또는 상기 가용 정보가 존재하지 않는 경우 상기 대상 부품의 원샷 시스템 여부에 따라 저장 신뢰도 예측, 전자 부품 신뢰도 예측 또는 기계 부품 신뢰도 예측을 수행하는 단계
   를 포함하며,
   상기 가용 정보가 존재하지 않는 경우에 수행되는 신뢰도 예측은 신뢰도 예측을 위해 미리 정의된 규격서를 사용하여 수행되는,
   부품 신뢰성 예측 방법.
2. 제1항에 있어서,
   상기 대상 부품의 원샷 시스템 여부에 따라 저장 신뢰도 예측, 전자 부품 신뢰도 예측 또는 기계 부품 신뢰도 예측을 수행하는 단계는,
   상기 대상 부품이 원샷 시스템인지의 여부를 판단하는 단계, 그리고
   상기 대상 부품이 원샷 시스템인 경우 상기 대상 부품에 대해 저장 신뢰도 예측을 수행하거나, 또는 상기 대상 부품이 원샷 시스템이 아닌 경우 상기 대상 부품에 대한 부품 신뢰도 예측을 수행하는 단계
   를 포함하는, 부품 신뢰성 예측 방법.
3. 제2항에 있어서,
   상기 대상 부품에 대한 부품 신뢰도 예측을 수행하는 단계는,
   상기 대상 부품이 기계 부품인 경우, 부하 강도 분석이 가능한지의 여부가 판단되는 단계, 그리고
   상기 부하 강도 분석이 가능한 것으로 판단되는 경우 상기 대상 부품에 대한 부하 강도 분석을 수행하여 고장률을 예측하거나, 또는 상기 부하 강도 분석이 가능하지 않은 것으로 판단되는 경우 NSWC(Naval Surface Warfare Center) 규격서 또는 NPRD(Nonelectronic Parts Reliaibility Data) 규격서를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측을 수행하는 단계
   를 포함하는, 부품 신뢰성 예측 방법.
4. 제3항에 있어서,
   상기 NSWC 규격서에 상기 대상 부품이 포함되어 있는 경우 상기 NSWC를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측을 수행하고,
   상기 NSWC 규격서에 상기 대상 부품이 포함되어 있지 않은 경우 상기 NPRD 규격서를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측을 수행하는,
   부품 신뢰성 예측 방법.
5. 제2항에 있어서,
   상기 대상 부품에 대한 부품 신뢰도 예측을 수행하는 단계에서,
   상기 대상 부품이 전자 부품인 경우, 복합 스트레스 존재 여부, 발생 가능한 고장 메커니즘이 다수인지의 여부 및 고장률 수준 혼합의 가능 여부에 따라 미리 설정된 규격서를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측을 수행하는,
   부품 신뢰성 예측 방법.
6. 제5항에 있어서,
   상기 복합 스트레스가 존재하지 않는 경우, 217F 규격서 또는 EPRD(Electronic Parts Reliability Data) 규격서를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측을 수행하는,
   부품 신뢰성 예측 방법.
7. 제5항에 있어서,
   상기 복합 스트레스가 존재하고 상기 발생 가능한 고장 메커니즘이 다수이며 상기 고장률 수준 혼합이 가능한 경우, 고장률 혼합 방법의 규격서를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측을 수행하거나, 또는
   상기 복합 스트레스가 존재하고 상기 발생 가능한 고장 메커니즘이 다수이며 상기 고장률 수준 혼합이 가능하지 않은 경우, 217 plus 규격서 또는 FIDES 규격서를 사용하여 상기 대상 부품에 대한 부품 신뢰도 예측을 수행하거나, 또는
   상기 복합 스트레스가 존재하고 상기 발생 가능한 고장 메커니즘이 다수가 아닌 경우, 가변 환경을 대표하는 명목 환경 수준을 산출하여 고장률을 산출하는,
   부품 신뢰성 예측 방법.
8. 제2항에 있어서,
   상기 대상 부품에 대해 저장 신뢰도 예측을 수행하는 단계는,
   상기 대상 부품이 기계 부품인 경우, LC82-1 규격서 또는 RADC85-91 규격서를 사용하여 상기 대상 부품에 대한 저장 신뢰도 예측을 수행하는 단계
   를 포함하는, 부품 신뢰성 예측 방법.
9. 제3항에 있어서,
   상기 대상 부품이 전자 부품인 경우, 휴면 상태인지의 여부를 판단하는 단계, 그리고
   상기 휴면 상태가 아닌 것으로 판단되는 경우 LC82-1 규격서 또는 RADC85-91 규격서를 사용하여 상기 대상 부품에 대한 저장 신뢰도 예측을 수행하거나, 또는 상기 휴면 상태인 것으로 판단되는 경우 217F 규격서, 217 plus 규격서, FIDES 규격서, EPRD 규격서 및 LC82-1 규격서 중 하나를 적용하여 상기 대상 부품에 대한 저장 신뢰도 예측을 수행하는 단계
   를 포함하는, 부품 신뢰성 예측 방법.
10. 제2항 내지 제9항 중 어느 한 항에 있어서,
    상기 대상 부품이 원샷 시스템인지의 여부를 판단하는 단계 전에,
    상기 대상 부품과 관련된 임무 유형을 입력받는 단계, 그리고
    상호작용 고장 유도 환경을 입력받는 단계
    를 더 포함하는, 부품 신뢰성 예측 방법.
11. 제2항 내지 제9항 중 어느 한 항에 있어서,
    상기 대상 부품에 대한 부품 신뢰도 예측을 수행하는 단계 후에,
    환경 조건 보정을 수행하는 단계,
    FMD(Failure Mode Distribution) 보정을 수행하는 단계, 그리고
    NOC(Not Otherwise Code) 부품 예측을 수행하는 단계
    를 더 포함하는, 부품 신뢰성 예측 방법.

Images