KR20210151510A - Apparatus and Method for fault probability prediction of parts of power facilities - Google Patents

Apparatus and Method for fault probability prediction of parts of power facilities Download PDF

Info

Publication number
KR20210151510A
KR20210151510A KR1020200068418A KR20200068418A KR20210151510A KR 20210151510 A KR20210151510 A KR 20210151510A KR 1020200068418 A KR1020200068418 A KR 1020200068418A KR 20200068418 A KR20200068418 A KR 20200068418A KR 20210151510 A KR20210151510 A KR 20210151510A
Authority
KR
South Korea
Prior art keywords
weibull distribution
thickness
power generation
generation equipment
distribution
Prior art date
Application number
KR1020200068418A
Other languages
Korean (ko)
Inventor
김희선
김범신
김진수
박명수
이창민
이한상
Original Assignee
한국전력공사
한국중부발전(주)
한국남부발전 주식회사
한국동서발전(주)
한국남동발전 주식회사
한국서부발전 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전력공사, 한국중부발전(주), 한국남부발전 주식회사, 한국동서발전(주), 한국남동발전 주식회사, 한국서부발전 주식회사 filed Critical 한국전력공사
Priority to KR1020200068418A priority Critical patent/KR20210151510A/en
Publication of KR20210151510A publication Critical patent/KR20210151510A/en

Links

Images

Classifications

    • 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
    • G06Q50/06—Electricity, gas or water supply
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22—STEAM GENERATION
    • F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B37/00—Component parts or details of steam boilers
    • F22B37/02—Component parts or details of steam boilers applicable to more than one kind or type of steam boiler
    • F22B37/42—Applications, arrangements, or dispositions of alarm or automatic safety devices
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

Disclosed is a preventive maintenance device capable of estimating the thickness distribution of a tube at a specific point in time as a Weibull distribution in calculating the failure probability of failure due to tube thinning and obtaining the probability that a thickness less than the minimum allowable thickness is found. The preventive maintenance device includes an input part for receiving detailed information about parts of power facilities; a calculation part for calculating a first Weibull distribution equation for the initial thickness of the parts of power facilities and a second Weibull distribution equation for the currently measured thickness by using the detailed information; an estimating part for estimating a third Weibull distribution equation for future thickness using the first Weibull distribution equation and the second Weibull distribution equation; and a calculating part for calculating the probability of failure using the second Weibull distribution and the third Weibull distribution.

Description

발전 설비 부품의 고장 확률 예측 장치 및 방법{Apparatus and Method for fault probability prediction of parts of power facilities}Apparatus and Method for fault probability prediction of parts of power facilities

본 발명은 화력 보일러 튜브 감육 기술에 관한 것으로서, 더 상세하게는 튜브 감육으로 인한 고장의 고장확률 계산에 있어 특정 시점에서의 화력 보일러 튜브의 두께 분포를 와이블 분포로 추정하고, 최소허용두께 이하의 두께가 발견될 확률을 고장확률로 구하는 발전 설비 부품의 고장 확률 예측 장치 및 방법에 대한 것이다.The present invention relates to a thermal power boiler tube thinning technology, and more particularly, in calculating the failure probability of failure due to tube thinning, the thickness distribution of the thermal power boiler tube at a specific point in time is estimated as the Weibull distribution, and the minimum allowable thickness or less It relates to an apparatus and method for predicting failure probability of power generation equipment parts for obtaining the probability of finding thickness as failure probability.

화력 발전소에서 보일러는 연소에 의해 연료가 가진 화학적 에너지가 열에너지로 변하고, 이 에너지가 터빈으로 가는 증기에 전달되는 중요한 설비이다. 일반적으로 석탄화력 보일러는 연소가 일어나는 화로(furnace) 부분, 그리고 주증기 및 재열증기가 연소가스와 열교환을 하는 전열부가 상대적으로 열화에 따른 손상 위험이 큰 것으로 알려져 있다. In a thermal power plant, a boiler is an important facility in which chemical energy of fuel is converted into thermal energy by combustion, and this energy is transferred to steam going to a turbine. In general, coal-fired boilers are known to have a relatively high risk of damage due to deterioration of a furnace part where combustion occurs, and a heat transfer part where main steam and reheat steam exchange heat with combustion gas.

특히, 주증기나 재열증기가 지나는 과열기 및 재열기 튜브는 내부에 고온, 고압의 증기가 빠르게 흐르고 있어 다양한 손상환경에 노출되며, 노후화가 진행될수록 설비 파손으로 인한 정지 발생 가능성이 높아진다. In particular, the superheater and reheater tube through which the main steam or reheat steam passes are exposed to various damage environments because high-temperature and high-pressure steam flows rapidly inside, and as aging progresses, the possibility of stopping due to facility damage increases.

이러한 보일러 튜브가 손상되어 터지게 되면 발전소는 정지된다. 이때 손실 비용은 정지일 하루 당 약 15억원 정도로 추산되는데, 여기에는 단순한 고장 복구비용 외에도 정지로 인한 발전손실비용이 큰 비중을 차지한다. 또한, 발전사 경영에 있어 비계획 정지는 기업 이미지 실추 등 다방면에서 큰 악영향을 끼치므로, 튜브 손상은 반드시 사전 예방점검 및/또는 정비활동을 통해 예방하여야 한다. If these boiler tubes are damaged and burst, the power plant is shut down. At this time, the cost of loss is estimated to be about 1.5 billion won per day of outage. In addition, unplanned suspension of power generation company management has a large adverse effect in various fields such as loss of corporate image, so tube damage must be prevented through preventive inspection and/or maintenance activities.

현재 국내 표준 석탄 화력 발전소는 대부분 6년을 주기로 설비 전체에 걸친 분해점검, 검사 및 손상품 교체 등을 수행한다. 6년 안에서도 2년마다 계획예방정비를 A급, B급 공사 등으로 나누어서 주기적으로 시행한다. 공사의 범위나 대상은 20여년 전 국내 발전분야에서 예방정비기술을 도입하면서 결정된 기준들과 보편적인 메뉴얼에 근거한 것이어서 과잉 정비로 인한 비용낭비, 장기 정지로 인한 탄력적 전력수급에 대한 부정적 영향, 그리고 불필요한 분해조립으로 인한 고장률의 증가 등이 문제점으로 제기되어 왔다.Currently, most of the domestic standard coal-fired power plants perform overhaul, inspection, and replacement of damaged products throughout the facility every six years. Even within 6 years, the planned preventive maintenance is divided into A grade and B grade construction and implemented periodically every 2 years. The scope and target of the construction are based on standards and universal manuals determined while introducing preventive maintenance technology in the domestic power generation field about 20 years ago. An increase in the failure rate due to disassembly and assembly has been raised as a problem.

보일러 튜브의 경우 계획적인 예방점검을 위해 위험도 기반 정비(Risk-Based Maintenance, RBM) 기법이 널리 사용되고 있다. 위험도 평가는 고장 발생 확률(POF, Probability of Failure)과 고장 피해 규모(COF, Consequence of Failure)의 곱으로 설비의 위험도를 평가하여, 위험도가 일정 기준을 넘으면 조직복제, 경도측정 등 적절한 점검을 수행하거나 설비교체 등의 정비활동을 시행하는 예방정비 방법이다. In the case of boiler tubes, a risk-based maintenance (RBM) technique is widely used for planned preventive inspection. Risk assessment evaluates the risk of equipment by multiplying the probability of failure (POF) and the scale of failure (COF, Consequence of Failure). It is a preventive maintenance method that implements maintenance activities such as equipment replacement or equipment replacement.

그러나, 위험도 기반 정비 기법은 대단히 일반적인 방법론으로, 특히 고장발생확률을 구함에 있어 상세한 방법은 설비와 손상의 특성에 따라 매우 다르다. 보일러 감육의 경우 워낙 설비가 크고 감육특성이 개소마다 달라 실제 산업현장에서 적용하는 것에 어려움이 있었다. However, the risk-based maintenance technique is a very general methodology, and in particular, the detailed method for calculating the probability of failure is very different depending on the characteristics of the equipment and damage. In the case of boiler thinning, it was difficult to apply it in actual industrial sites because the facilities were so large and the thinning characteristics were different for each location.

이를 해소하기 위해, 크리프와 감육을 동시에 고려하여 단일한 위험도를 산출하는 방법이 제안되었다. 이 방법은 특히 기존의 위험도 평가에서 감육을 고려하지 않는 것을 해결하기 위해, 감육 위험도 평가 공정을 포함하는 평가방법을 제안하였다. To solve this problem, a method of calculating a single risk by considering creep and thinning at the same time has been proposed. In particular, in order to solve the problem of not considering thinning in the existing risk assessment, an evaluation method including a thinning risk assessment process was proposed.

해당 공정에서는 튜브의 초기 두께를 예측하기 위해 현재의 두께 측정 데이터가 검벨 확률분포를 따른다고 가정한 뒤 누적확률밀도곡선을 그리고, 일정 수치(예를 들어 90~97%)에서 선택된 값에 해당하는 두께를 튜브의 초기 두께로 추정하였다.In this process, in order to predict the initial thickness of the tube, it is assumed that the current thickness measurement data follows the Gumbell probability distribution, then the cumulative probability density curve is drawn, and the The thickness was estimated as the initial thickness of the tube.

위와 같은 방법은 현재의 튜브 두께 중 상위 10% 전후의 값을 초기 두께로 추정하고, 현재의 두께 분포특성(평균 및 편차)를 초기에도 똑같이 적용하였다. 그런데, 이러한 방법은 특히 초기와 현재의 시간 차이가 큰 경우, 즉 두께 감육이 많이 발생한 경우에는 정확도가 극히 떨어진다. In the above method, the values around the top 10% of the current tube thickness were estimated as the initial thickness, and the current thickness distribution characteristics (average and deviation) were equally applied at the beginning. However, this method has extremely poor accuracy, particularly when the time difference between the initial and present times is large, that is, when a large amount of thickness thinning occurs.

예를 들어 현재 측정 두께가 6.5~7.5mm에 분포해 있으면 약 7.2mm를 평균으로 하는 검벨 분포를 초기 두께로 추정하는데, 실제로 수년 전의 초기 두께는 7.5~8.5mm일 수 있다. 납품시기와 현재 측정시기의 시간차가 벌어질수록 이러한 오차는 더 커질 것이다. 게다가 감육이 진행될수록 튜브에서 감육이 심한 곳과 덜한 곳의 편차가 있어 전체적인 두께 편차가 커지는데, 이러한 점도 고려되지 않았다. For example, if the current measured thickness is distributed in the range of 6.5 to 7.5 mm, the Gumbell distribution with an average of about 7.2 mm is estimated as the initial thickness. In fact, the initial thickness several years ago may be 7.5 to 8.5 mm. The larger the time difference between the delivery time and the current measurement time, the larger this error will be. In addition, as the thinning progressed, there was a difference in the tube where the thinning was severe and the thinning was less, so the overall thickness deviation increased, and this point was not taken into account.

또한, 해당 기술은 최종 위험도 산정을 위해, 감육 수명소비율을 산정하고 수명소비율의 50%를 감육 고장확률로 산정한 뒤, 현장 검사결과를 반영하여 보정하여 그 값을 위험도로 산정한다. In addition, for the final risk calculation, the technology calculates the thinning life consumption ratio, calculates 50% of the life consumption ratio as the thinning failure probability, reflects the on-site inspection result and calculates the value as the risk.

보다 자세하게는, 특정한 시간 동안 두께의 변화율을 감육율로 구하고, 현재의 두께와 최소허용두께를 감육율로 나누어 수명을 구한다. 마지막으로 현재까지의 운전시간을 수명으로 나누어 수명 소비율을 구한 뒤에, 수명소비율의 50%를 위험도로 구한다.More specifically, the rate of change of the thickness for a specific time is obtained as the thinning rate, and the lifespan is obtained by dividing the current thickness and the minimum allowable thickness by the thinning rate. Finally, after dividing the operating time up to the present by the lifespan to obtain the life consumption rate, 50% of the life consumption rate is calculated as the risk.

이러한 종래의 방법은 튜브 두께의 측정 데이터가 매우 많은 상황에서 어떤 부위의 두께를 가지고 감육율을 구해야 하는지 모호하다는 문제가 있다. 또한, 현장에서 계획 예방 정비마다 측정되는 두께는 그 측정위치가 측정시기마다 제각각이고 측정오차도 무시하기 어려우므로, 몇 개의 수치만으로 정확한 감육율을 구하기는 매우 어렵거니와 그 정확성도 담보하기 어렵다. Such a conventional method has a problem in that it is ambiguous as to which portion of the tube thickness measurement data is to be obtained in a situation where the thickness of the measurement data is very large. In addition, since the thickness measured for each planned preventive maintenance in the field is different at each measurement period and measurement error is difficult to ignore, it is very difficult to obtain an accurate thinning rate with only a few numerical values, and it is difficult to guarantee its accuracy.

마지막으로 종래 기술들이 현장에서 제대로 적용되지 못하는 가장 큰 문제점은 정비주기와 분석결과가 조화되지 못한다는 데 있다. 보일러의 경우 2년마다 계획예방정비공사를 실시하여 내부 점검 및 공사를 시행하며, 공사 중에만 두께 측정이 가능하다. Lastly, the biggest problem that conventional techniques are not properly applied in the field is that the maintenance cycle and the analysis result are not in harmony. In the case of boilers, planned preventive maintenance works are carried out every two years for internal inspection and construction, and thickness measurement is possible only during construction.

또한, 보일러 내 설비들은 대부분 주문제작이 필요한 것으로서 교체를 위해서는 수개월 전에 미리 준비해두어야 한다. 따라서, 금회 측정결과를 바탕으로 고장위험을 평가하여 차기 공사의 정비 계획을 결정하려면, 차차기 공사 시점에서의 위험성까지 예측해야만 한다. In addition, most of the equipment in the boiler needs to be made to order and should be prepared several months in advance for replacement. Therefore, in order to determine the maintenance plan for the next construction by evaluating the risk of failure based on the measurement result this time, it is necessary to predict the risk at the time of the next construction as well.

1. 한국공개특허번호 제10-2016-0039099호1. Korea Patent Publication No. 10-2016-0039099

본 발명은 위 배경기술에 따른 문제점을 해소하기 위해 제안된 것으로서, 튜브 감육으로 인한 고장의 고장확률 계산에 있어 특정 시점에서의 튜브의 두께 분포를 와이블 분포로 추정하고, 최소허용두께 이하의 두께가 발견될 확률을 구할 수 있는 발전 설비 부품의 고장 확률 예측 장치 및 방법을 제공하는데 그 목적이 있다.The present invention has been proposed to solve the problem according to the above background art, and in calculating the failure probability of failure due to tube thinning, the thickness distribution of the tube at a specific time is estimated as the Weibull distribution, and the thickness below the minimum allowable thickness An object of the present invention is to provide an apparatus and method for predicting the probability of failure of power generation equipment parts that can obtain the probability of being found.

또한, 본 발명은 튜브의 초기 두께에 대한 와이블 분포를 추정할 수 있는 발전 설비 부품의 고장 확률 예측 장치 및 방법을 제공하는데 다른 목적이 있다.Another object of the present invention is to provide an apparatus and method for predicting failure probability of power generation equipment components capable of estimating a Weibull distribution for an initial thickness of a tube.

또한, 본 발명은 정비주기와 분석결과를 일치시킬 수 있는 발전 설비 부품의 고장 확률 예측 장치 및 방법을 제공하는데 또다른 목적이 있다.Another object of the present invention is to provide an apparatus and method for predicting failure probability of power generation equipment parts that can match the maintenance cycle and analysis results.

또한, 본 발명은 현재의 고장확률과 미래의 고장확률을 기반으로 하여 차기와 차차기 계획예방정비 시점의 위험한 정도를 추정한 뒤, 차기 계획예방정비 계획을 결정할 수 있는 발전 설비 부품의 고장 확률 예측 장치 및 방법을 제공하는데 또다른 목적이 있다.In addition, the present invention is an apparatus for predicting failure probability of power generation equipment parts that can determine the next planned preventive maintenance plan after estimating the degree of danger at the next planned preventive maintenance time point based on the current failure probability and the future failure probability and to provide a method.

본 발명은 위에서 제시된 과제를 달성하기 위해 튜브 감육으로 인한 고장의 고장확률 계산에 있어 특정 시점에서의 튜브의 두께 분포를 와이블 분포로 추정하고, 최소허용두께 이하의 두께가 발견될 확률을 구할 수 있는 예방 정비 장치를 제공한다.The present invention estimates the thickness distribution of the tube at a specific point in time as the Weibull distribution in calculating the failure probability of failure due to tube thinning to achieve the task presented above, and obtains the probability that a thickness less than the minimum allowable thickness is found Preventive maintenance devices are provided.

상기 예방 정비 장치는,The preventive maintenance device,

발전 설비 부품에 대한 세부 정보를 입력받는 입력부;an input unit for receiving detailed information about power generation equipment parts;

상기 세부 정보를 이용하여 상기 발전 설비 부품의 초기 두께에 대한 제 1 와이블 분포식 및 현재 측정 두께에 대한 제 2 와이블 분포식을 산출하는 계산부;a calculation unit for calculating a first Weibull distribution equation for the initial thickness of the power generation equipment component and a second Weibull distribution equation for the currently measured thickness by using the detailed information;

상기 제 1 와이블 분포식 및 상기 제 2 와이블 분포식을 이용하여 미래 두께에 대한 제 3 와이블 분포식을 추정하는 추정부; 및 an estimator for estimating a third Weibull distribution equation for a future thickness using the first Weibull distribution equation and the second Weibull distribution equation; and

상기 제 2 와이블 분포 및 상기 제 3 와이블 분포를 이용하여 고장확률을 산출하는 산출부;를 포함하는 것을 특징으로 한다.and a calculator configured to calculate a failure probability using the second Weibull distribution and the third Weibull distribution.

이때, 상기 제 1 와이블 분포식은 상기 세부 정보로부터 산출되는 상기 발전 설비 부품의 최소 두께 및 최대 두께에 대한 누적분포확률에 기반하여 계산되는 것을 특징으로 한다.In this case, the first Weibull distribution equation is characterized in that it is calculated based on the cumulative distribution probability for the minimum thickness and the maximum thickness of the power generation equipment parts calculated from the detailed information.

또한, 상기 누적분포확률은 상기 발전 설비 부품의 초기 두께 분포를 나타내는 정규 분포 곡선으로 추정되며, 상기 정규 분포 곡선을 통해 상기 제 1 와이블 분포식이 산출되는 것을 특징으로 한다.In addition, the cumulative distribution probability is estimated as a normal distribution curve representing the initial thickness distribution of the power generation equipment parts, characterized in that the first Weibull distribution equation is calculated through the normal distribution curve.

또한, 상기 제 1, 2, 3와이블 분포식은 수학식

Figure pat00001
(여기서, F(σ)는 와이블 분포식, α는 형태모수(shape parameter), λ는 척도모수(scale parameter)이다)으로 정의되는 것을 특징으로 한다.In addition, the first, second, and third Weibull distribution equations
Figure pat00001
(Here, F(σ) is a Weibull distribution formula, α is a shape parameter, and λ is a scale parameter).

또한, 상기 제 1, 2, 3 화이블 분포식은 새로이 정의된 X, Y값을 이용한 수학식

Figure pat00002
(여기서
Figure pat00003
이고
Figure pat00004
)으로 선형 표현될 수 있는 것을 특징으로 한다. 이 수학식은 와이블 분포의 와이블 확률지 직선이라고 부른다. In addition, the first, second, and third Wibull distribution equations are equations using newly defined X and Y values.
Figure pat00002
(here
Figure pat00003
ego
Figure pat00004
) can be linearly expressed. This equation is called the Weibull probability line of the Weibull distribution.

또한, 상기 제 2 와이블 분포식은 상기 발전 설비 부품의 측정된 두께값 각각에 대해 산출된 측정 두께별 누적분포확률에 기반하여 계산되는 것을 특징으로 한다.In addition, the second Weibull distribution equation is characterized in that it is calculated based on the cumulative distribution probability for each measured thickness calculated for each of the measured thickness values of the power generation equipment parts.

또한, 상기 측정 두께별 누적분포확률은 순위 구성비인 랭크로 표현되며, 상기 랭크는 수학식

Figure pat00005
(여기서, R은 두께의 랭크이고, i 및 n은 양의 정수이고, n > i이다)으로 정의되는 것을 특징으로 한다.In addition, the cumulative distribution probability for each measured thickness is expressed as a rank, which is a rank composition ratio, and the rank is expressed by the formula
Figure pat00005
(where R is the rank of thickness, i and n are positive integers, and n > i).

또한, 상기 제 3 와이블 분포식의 와이블 확률지 직선은 수학식

Figure pat00006
(여기서,
Figure pat00007
, T1은 발전 설비 부품의 설치시기와 현재의 시간차이고, T2는 현재 시간으로 일정 시간이 경과한 시간이고, α는 형태모수이고, λ는 척도모수이고, i는 초기, c는 현재, f는 미래를 나타낸다)으로 정의되는 것을 특징으로 한다.In addition, the Weibull probability branch line of the third Weibull distribution equation is
Figure pat00006
(here,
Figure pat00007
, T 1 is the time difference between the installation time of power generation equipment parts and the current time, T 2 is the time elapsed from the current time, α is the shape parameter, λ is the scale parameter, i is the initial stage, c is the current time, f represents the future).

또한, 상기 고장확률은 상기 제 2 와이블 분포식을 이용하여 산출되는 현재의 고장확률 또는 상기 제 3 와이블 분포식을 이용하여 산출되는 미래의 고장확률인 것을 특징으로 한다.In addition, the failure probability is a current failure probability calculated using the second Weibull distribution equation or a future failure probability calculated using the third Weibull distribution equation.

또한, 상기 산출부는 상기 발전 설비 부품에 관련 정비기준, 정비이력, 차기 정비계획 및 차차기 정비계획을 포함하는 정비정보를 입력받고, 상기 정비정보에 토대로 상기 차기 정비계획 및 차차기 정비계획의 등급을 결정하는 것을 특징으로 한다.In addition, the calculator receives maintenance information including related maintenance standards, maintenance history, next maintenance plan and next maintenance plan for the power generation equipment parts, and determines the grade of the next maintenance plan and the next maintenance plan based on the maintenance information characterized in that

또한, 상기 고장 확률 예측 장치는, 상기 등급을 출력하는 출력부;를 더 포함하는 것을 특징으로 한다.In addition, the failure probability prediction device, the output unit for outputting the grade; characterized in that it further comprises.

다른 한편으로, 본 발명의 다른 일실시예는, (a) 입력부가 발전 설비 부품에 대한 세부 정보를 입력받는 단계; (b) 계산부가 상기 세부 정보를 이용하여 상기 발전 설비 부품의 초기 두께에 대한 제 1 와이블 분포식 및 현재 측정 두께에 대한 제 2 와이블 분포식을 산출하는 단계; (c) 추정부가 상기 제 1 와이블 분포식 및 상기 제 2 와이블 분포식을 이용하여 미래 두께에 대한 제 3 와이블 분포식을 추정하는 단계; 및 (d) 산출부가 상기 제 2 와이블 분포 및 상기 제 3 와이블 분포를 이용하여 고장확률을 산출하는 단계;를 포함하는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 방법을 제공한다. On the other hand, another embodiment of the present invention, (a) receiving the input unit detailed information about the power generation equipment parts; (b) calculating, by a calculation unit, a first Weibull distribution equation for the initial thickness of the power generation equipment component and a second Weibull distribution equation for the currently measured thickness by using the detailed information; (c) estimating, by an estimator, a third Weibull distribution equation for the future thickness using the first Weibull distribution equation and the second Weibull distribution equation; and (d) calculating, by a calculator, a failure probability using the second Weibull distribution and the third Weibull distribution.

또 다른 한편으로, 본 발명의 또 다른 일실시예는, (a) 입력부가 발전 설비 부품에 대한 세부 정보를 입력받는 단계; (b) 계산부가 상기 세부 정보를 이용하여 상기 발전 설비 부품의 초기 두께에 대한 제 1 와이블 분포식, 미리 정해진 일정시간 이전에 생성된 과거 측정 두께에 대한 제 2 와이블 분포식, 및 상기 미리 정해진 일정 시간에 생성된 현재 측정 두께에 대한 제 3 와이블 분포식을 산출하는 단계; (c) 추정부가 상기 제 1 내지 제 3 와이블 분포식을 이용하여 미래 두께에 대한 제 3 와이블 분포식을 추정하는 단계; 및 (d) 산출부가 상기 제 2 내지 제 4 와이블 분포를 이용하여 고장확률을 산출하는 단계;를 포함하는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 방법을 제공한다. On the other hand, another embodiment of the present invention, (a) receiving the input unit detailed information about the power generation equipment parts; (b) a first Weibull distribution formula for the initial thickness of the power generation equipment part using the detailed information, a second Weibull distribution formula for the past measured thickness generated before a predetermined time, and the previously calculating a third Weibull distribution equation for the current measured thickness generated at a predetermined time; (c) estimating, by an estimator, a third Weibull distribution equation for a future thickness using the first to third Weibull distribution equations; and (d) calculating, by the calculator, the failure probability using the second to fourth Weibull distributions.

또 다른 한편으로, 본 발명의 또 다른 일실시예는, 위에서 기술된 발전 설비 부품의 고장 확률 예측 방법을 실행시키기 위한 프로그램 코드를 저장한 컴퓨터 판독 가능 저장 매체를 제공한다.On the other hand, another embodiment of the present invention provides a computer-readable storage medium storing a program code for executing the method for predicting failure probability of power generation equipment components described above.

본 발명에 따르면, 보일러 설비의 감육으로 인한 고장을 예방하기 위한 계획 예방 정비 공사의 정비계획을 그 전회 공사시 미리 설계할 수 있다. According to the present invention, the maintenance plan of the planned preventive maintenance work for preventing the failure due to the thinning of the boiler equipment can be designed in advance during the previous construction.

또한, 본 발명의 다른 효과로서는 이를 통해 정비범위를 합리적으로 최적화하여 정비비는 최소화하면서 고장예방효과는 최대화할 수 있다는 점을 들 수 있다.In addition, as another effect of the present invention, it is possible to rationally optimize the maintenance range through this to minimize the maintenance cost while maximizing the failure prevention effect.

또한, 본 발명의 또 다른 효과로서는 필요한 교체품 및/또는 예비품을 사전에 준비함으로서 원활한 조달 및 비용절감이 가능하다는 점을 들 수 있다.In addition, another effect of the present invention is that by preparing necessary replacement parts and/or spare parts in advance, smooth procurement and cost reduction are possible.

또한, 본 발명의 또 다른 효과로서는 이를 통해 전체적인 발전소 운영 신뢰도 향상, 고장률 저하뿐 아니라 공기를 단축시킴으로서 안정적이고 경제적인 전력수급에 크게 기여할 수 있다는 점을 들 수 있다. In addition, as another effect of the present invention, it is possible to greatly contribute to a stable and economical power supply and demand by improving overall power plant operation reliability, lowering the failure rate, and shortening the construction period.

도 1은 본 발명의 일실시예에 따른 고장 확률 예측 장치의 구성 블럭도이다.
도 2는 본 발명의 일실시예에 따른 고장 확률 예측을 산출하고 이를 이용한 예방 정비 과정을 보여주는 흐름도이다.
도 3은 일반적인 최소 두께와 최대 두께로 나타낸 보일러 튜브의 초기 두께의 정규 분포를 나타내는 그래프이다.
도 4는 본 발명의 일실시예에 따른 와이블 확률지 평면에 나타낸 초기, 현재, 및 미래의 와이블 분포도를 나타내는 그래프이다.
도 5는 본 발명의 일실시예에 따른 초기, 현재, 및 미래의 튜브 두께에 대한 누적 분포 확률 그래프와 위험도를 나타내는 도면이다.
도 6은 본 발명의 다른 일실시예에 따른 고장 확률 예측을 산출하고 이를 이용한 예방 정비 과정을 보여주는 흐름도이다.
도 7은 본 발명의 일실시예에 따른 형태모수의 시간에 따른 함수 추정 그래프이다.
도 8은 본 발명의 일실시예에 따른 척도모수의 시간에 따른 함수 추정 그래프이다.1 is a block diagram of a failure probability prediction apparatus according to an embodiment of the present invention.
2 is a flowchart illustrating a preventive maintenance process using the calculation of the failure probability prediction according to an embodiment of the present invention.
3 is a graph showing the normal distribution of the initial thickness of the boiler tube expressed as a general minimum thickness and maximum thickness.
4 is a graph showing initial, present, and future Weibull distributions shown on the Weibull probability paper plane according to an embodiment of the present invention.
5 is a diagram illustrating a cumulative distribution probability graph and a degree of risk for initial, current, and future tube thicknesses according to an embodiment of the present invention.
6 is a flowchart illustrating a preventive maintenance process by calculating a failure probability prediction and using the prediction according to another embodiment of the present invention.
7 is a function estimation graph according to time of the shape parameter according to an embodiment of the present invention.
8 is a graph showing a time-dependent function estimation of a scale parameter according to an embodiment of the present invention.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 도면에서 표시된 구성요소의 크기 및 상대적인 크기는 설명의 명료성을 위해 과장된 것일 수 있다.Advantages and features of the present invention, and a method for achieving them will become apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be implemented in a variety of different forms, and only these embodiments allow the disclosure of the present invention to be complete, and those of ordinary skill in the art to which the present invention pertains. It is provided to fully inform the person of the scope of the invention, and the present invention is only defined by the scope of the claims. Sizes and relative sizes of components indicated in the drawings may be exaggerated for clarity of description.

명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하며, “및/또는”은 언급된 아이템들의 각각 및 하나 이상의 모든 조합을 포함한다.Like reference numerals refer to like elements throughout, and "and/or" includes each and every combination of one or more of the recited items.

본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 “포함한다” 및/또는 “구성된다”는 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.The terminology used herein is for the purpose of describing the embodiments and is not intended to limit the present invention. In this specification, the singular also includes the plural unless specifically stated otherwise in the phrase. As used herein, a referenced element, step, operation and/or element to "comprises" and/or "consisting of" does not exclude the presence or addition of one or more other elements, steps, operations and/or elements. .

비록 제1, 제2 등의 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 대해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소와 구별하기 위하여 사용되는 것이다. 따라서, 이하에서 언급되는 제 1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.Although it is used to describe various elements such as first and second, these elements are not limited to these terms, of course. These terms are only used to distinguish one component. Accordingly, it goes without saying that the first component mentioned below may be the second component within the spirit of the present invention.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.Unless otherwise defined, all terms (including technical and scientific terms) used herein may be used with the meaning commonly understood by those of ordinary skill in the art to which the present invention belongs. In addition, terms defined in a commonly used dictionary are not to be interpreted ideally or excessively unless clearly defined in particular.

이하 첨부된 도면을 참조하여 본 발명의 일실시예에 따른 고장 확률 예측 장치 및 방법을 상세하게 설명하기로 한다.Hereinafter, an apparatus and method for predicting failure probability according to an embodiment of the present invention will be described in detail with reference to the accompanying drawings.

본 발명의 일실시예에서는, 튜브의 초기 두께 분포를 추정함에 있어, 튜브의 납품 당시 사양인 최소 두께, 공차, 그리고 품질정보 상의 분산(시그마)을 가지고 튜브의 초기 두께에 대한 와이블 분포를 추정한다. 또한, 미래의 계획예방정비(수개월~수년 뒤) 시점의 튜브 두께에 대한 와이블 분포를 예측하기 위해, 초기 두께분포 및 과거/현재의 두께 와이블 분포의 특성모수를 구하여 모수의 시간에 따른 변화함수를 구한 뒤, 미래의 계획 예방 정비 시점의 튜브 두께 와이블 분포를 예측한다. In one embodiment of the present invention, in estimating the initial thickness distribution of the tube, the Weibull distribution for the initial thickness of the tube is estimated with the minimum thickness, tolerance, and variance (sigma) on quality information, which are specifications at the time of delivery of the tube. do. In addition, in order to predict the Weibull distribution for the tube thickness at the time of future planned preventive maintenance (months to years later), the characteristic parameters of the initial thickness distribution and the past/present thickness Weibull distribution are obtained and the parameters change over time. After obtaining the function, the Weibull distribution of tube thickness at the time of future planned preventive maintenance is predicted.

도 1은 본 발명의 일실시예에 따른 고장 확률 예측 장치(100)의 구성 블럭도이다. 도 1을 참조하면, 예방 정비 장치(100)는, 입력부(110), 계산부(120), 추정부(130), 산출부(140), 출력부(150) 등을 포함하여 구성될 수 있다.1 is a block diagram of a failure probability prediction apparatus 100 according to an embodiment of the present invention. Referring to FIG. 1 , the preventive maintenance apparatus 100 may include an input unit 110 , a calculation unit 120 , an estimation unit 130 , a calculation unit 140 , an output unit 150 , and the like. .

입력부(110)는 발전 설비 부품의 납품 당시에 제조업자 및/또는 납품업자로부터 제공되는 사양(specification), 품질(quality) 자료, 실제로 측정된 측정 자료등의 세부 정보를 입력받는 기능을 수행한다. 입력부(110)는 키보드, USB(Universal Serial Bus), 네트워크 연결 등을 통해 이러한 데이터를 획득할 수 있다. 발전 설비 부품은 주로 보일러 튜브, 파이프 등이 될 수 있다. 본 발명의 일실시예에는 주로 보일러 튜브를 예시하여 설명하기로 한다.The input unit 110 performs a function of receiving detailed information such as specifications, quality data, and actually measured measurement data provided from a manufacturer and/or a supplier at the time of delivery of the power generation equipment parts. The input unit 110 may acquire such data through a keyboard, a Universal Serial Bus (USB), a network connection, or the like. Power generation equipment parts may be mainly boiler tubes, pipes, and the like. An embodiment of the present invention will be mainly described by exemplifying a boiler tube.

계산부(120)는 획득된 세부 정보를 이용하여 누적 분포 확률을 산출하고, 이 누적 분포 확률을 이용하여 와이블 분포식을 산출하는 기능을 수행한다. 부연하면, 산출된 누적 분포 확률을 이용하여 초기 튜브 두께 및 현재 튜브 두께에 대한 와이블 누적분포 확률을 구할 수도 있다. 물론, 이 경우, 미리 설계된 정규분포 곡선을 이용할 수 있다.The calculator 120 calculates a cumulative distribution probability using the obtained detailed information, and calculates a Weibull distribution equation using the cumulative distribution probability. In other words, the Weibull cumulative distribution probability for the initial tube thickness and the current tube thickness may be obtained using the calculated cumulative distribution probability. Of course, in this case, a previously designed normal distribution curve may be used.

추정부(130)는 계산부(120)에 산출된 초기 튜브 두께 및 현재 튜브 두께에 대한 와이블 분포식을 토대로 미래 특정 시점에서의 두께 분포가 어떻게 될지 와이블 분포식으로 예측하는 기능을 수행한다.The estimator 130 performs a function of predicting what the thickness distribution will be at a specific point in the future by the Weibull distribution formula based on the Weibull distribution formula for the initial tube thickness and the current tube thickness calculated by the calculator 120 . .

산출부(140)는 계산부(120)에서 산출된 설비의 현재 측정 두께에 대한 와이블 분포식과 추정부(130)에서 산출된 비의 미래 특정 시점에서의 와이블 분포식을 받아서 현재의 고장확률 및 미래의 고장확률을 산출하고, 기존 정비이력 및 계획을 참고하여 금회 정비범위 및 차기 정비계획을 산출하는 기능을 수행한다.The calculator 140 receives the Weibull distribution formula for the current measured thickness of the equipment calculated by the calculator 120 and the Weibull distribution formula for the ratio calculated by the estimator 130 at a specific future point in time to receive the current failure probability. And it calculates the probability of future failure, and calculates the current maintenance range and the next maintenance plan by referring to the existing maintenance history and plans.

출력부(150)는 계산부(120), 추정부(130), 산출부(140) 등에서 처리하는 정보를 표시하는 기능을 수행한다. 따라서, 출력부(150)는 문자, 음성, 및 그래픽의 조합으로 알림 정보를 생성할 수 있다. 이를 위해 출력부(950)는 디스플레이, 사운드 시스템 등을 포함하여 구성될 수 있다.The output unit 150 performs a function of displaying information processed by the calculation unit 120 , the estimation unit 130 , the calculation unit 140 , and the like. Accordingly, the output unit 150 may generate notification information using a combination of text, voice, and graphics. To this end, the output unit 950 may include a display, a sound system, and the like.

디스플레이는 LCD(Liquid Crystal Display), LED(Light Emitting Diode) 디스플레이, PDP(Plasma Display Panel), OLED(Organic LED) 디스플레이, 터치 스크린, CRT(Cathode Ray Tube), 플렉시블 디스플레이 등이 될 수 있다. 터치 스크린의 경우, 입력 수단으로 기능할 수 있다.The display may be a liquid crystal display (LCD), a light emitting diode (LED) display, a plasma display panel (PDP), an organic LED (OLED) display, a touch screen, a cathode ray tube (CRT), a flexible display, or the like. In the case of a touch screen, it may function as an input means.

도 1에 도시된 입력부(110), 계산부(120), 추정부(130), 산출부(140)는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 소프트웨어 및/또는 하드웨어로 구현될 수 있다. 하드웨어 구현에 있어, 상술한 기능을 수행하기 위해 디자인된 ASIC(application specific integrated circuit), DSP(digital signal processing), PLD(programmable logic device), FPGA(field programmable gate array), 프로세서, 마이크로프로세서, 다른 전자 유닛 또는 이들의 조합으로 구현될 수 있다. 소프트웨어 구현에 있어, 소프트웨어 구성 컴포넌트(요소), 객체 지향 소프트웨어 구성 컴포넌트, 클래스 구성 컴포넌트 및 작업 구성 컴포넌트, 프로세스, 기능, 속성, 절차, 서브 루틴, 프로그램 코드의 세그먼트, 드라이버, 펌웨어, 마이크로 코드, 데이터, 데이터베이스, 데이터 구조, 테이블, 배열 및 변수를 포함할 수 있다. 소프트웨어, 데이터 등은 메모리에 저장될 수 있고, 프로세서에 의해 실행된다. 메모리나 프로세서는 당업자에게 잘 알려진 다양한 수단을 채용할 수 있다.The input unit 110 , the calculation unit 120 , the estimator 130 , and the calculation unit 140 illustrated in FIG. 1 mean a unit that processes at least one function or operation, which is implemented in software and/or hardware. can be In hardware implementation, application specific integrated circuit (ASIC), digital signal processing (DSP), programmable logic device (PLD), field programmable gate array (FPGA), processor, microprocessor, other It may be implemented as an electronic unit or a combination thereof. In software implementation, software composition component (element), object-oriented software composition component, class composition component and task composition component, process, function, attribute, procedure, subroutine, segment of program code, driver, firmware, microcode, data , databases, data structures, tables, arrays, and variables. Software, data, etc. may be stored in a memory and executed by a processor. The memory or processor may employ various means well known to those skilled in the art.

본 발명의 일실시예에 적용되는 전반적인 원리는 수십개에서 수백개에 이르는 발전 설비 부품의 두께는 초기이든 감육이 진행된 어느 시점에서든 단일값이 아니라 분포해있는 분포값이므로 대푯값을 사용한 접근은 의미가 없다. 대신 이 분포를 와이블 확률분포로 근사할 수 있다는 점이다.The overall principle applied to an embodiment of the present invention is that the thickness of power generation equipment parts ranging from tens to hundreds is not a single value, but a distributed value at any point in time when the thickness reduction is in progress, so an approach using a representative value is meaningless. . Instead, this distribution can be approximated with a Weibull probability distribution.

또한, 감육으로 인한 보일러 튜브 파손과 같은 고장확률은 어느 시점에서 ‘최소 허용 두께 미만의 두께를 갖는 부분이 존재할 확률’이라고 보는 것이 가장 타당하다. 이러한 원리를 기반으로 본 발명의 일실시예를 보일러 튜브를 예시로 하여 서술한다. In addition, it is most appropriate to view the failure probability such as boiler tube breakage due to thinning as the 'probability of having a part with a thickness less than the minimum allowable thickness' at some point. Based on this principle, an embodiment of the present invention will be described with a boiler tube as an example.

도 2는 본 발명의 일실시예에 따른 고장 확률 예측을 산출하고 이를 이용한 예방 정비 과정을 보여주는 흐름도이다. 도 2를 참조하면, 먼저 초기 두께분포 추정 공정 블럭(210) 및 현재 측정 두께분포 추정 공정 블럭(220)이 있다. 이들 공정 블럭(210,220)의 실행 순서는 동시에 이루어질 수 있고, 순차적으로 이루어질 수도 있다. 초기 두께분포 추정 공정 블럭(210)은 보일러 튜브의 초기 두께 분포를 추정하는 공정이다. 현재 측정 두께분포 추정 공정 블럭(220)은 가장 최근에 측정한, 또는 금회 계획예방정비에서 측정한 튜브 두께에 대한 와이블 분포를 추정하는 공정이다.2 is a flowchart illustrating a preventive maintenance process using the calculation of the failure probability prediction according to an embodiment of the present invention. Referring to FIG. 2 , first, the initial thickness distribution estimation process block 210 and the currently measured thickness distribution estimation process There is a block 220 . The execution order of these process blocks 210 and 220 may be performed simultaneously or sequentially. The initial thickness distribution estimation process block 210 is a process of estimating the initial thickness distribution of the boiler tube. Current measurement thickness distribution estimation process The block 220 is a process of estimating the Weibull distribution for the most recently measured or measured tube thickness in this planned preventive maintenance.

초기 두께분포 추정 공정 블럭(210)에서, 가장 먼저 보일러 튜브의 납품 당시에 제조업자 또는 납품업자로부터 제공되는 사양(specification), 품질(quality) 정보 자료로부터 보일러 튜브의 최소두께, 공차 등을 포함하는 세부 정보를 확인한다(단계 S211). 이때 두께는 mm단위, 공차는 % 단위 또는 mm단위이며 품질관리상 분산, 즉 시그마가 함께 주어진다.In the initial thickness distribution estimation process block 210, first, details including the minimum thickness, tolerance, etc. of the boiler tube from the specification and quality information data provided from the manufacturer or supplier at the time of delivery of the boiler tube Check the information (step S211). At this time, thickness is in mm unit, tolerance is in % unit or mm unit, and dispersion, that is, sigma, is given together for quality control.

이후, 납품된 튜브의 두께가 정규분포로 분포되어 있다고 가정하고, 최소 두께와 최대 두께에 대한 누적분포확률을 구한다(단계 S212). 예를 들어 최소 두께 8mm, 공차 7%에 3시그마라고 하고 납품되는 튜브의 두께 분포를 정규분포로 가정하면 튜브 두께가 8~8.56mm 안에 들어올 확률이 99.7%가 된다. 다시 말해 튜브 두께가 8mm 이하일 확률이 0.15%, 8.56mm 이하일 확률이 99.85%이다. 이 값이 각 두께의 누적분포확률이다. 이러한 정규 분포 곡선을 보여주는 도면이 도 3에 도시된다.Thereafter, it is assumed that the thickness of the delivered tube is distributed in a normal distribution, and cumulative distribution probabilities for the minimum thickness and the maximum thickness are obtained (step S212). For example, if the minimum thickness is 8mm, tolerance is 7%, 3 sigma is assumed, and the thickness distribution of the delivered tube is assumed to be a normal distribution, the probability that the tube thickness will fall within 8~8.56mm is 99.7%. In other words, there is a 0.15% chance that the tube thickness is less than or equal to 8mm, and a 99.85% chance that it is less than or equal to 8.56mm. This value is the cumulative distribution probability of each thickness. A diagram showing such a normal distribution curve is shown in FIG. 3 .

도 2를 계속 참조하면, 누적분포확률이 계산되면, 이후, 보일러 튜브의 초기 두께 2개 값의 누적분포확률을 가지고 초기 튜브 두께에 대한 와이블 누적분포확률을 추정한다. 누적분포확률 함수 F(σ)는 두께 σ 이하의 두께가 존재할 확률이다. 와이블 누적확률분포함수(즉 와이블 분포식)는 아래의 수학식과 같이 정의된다. 2, after the cumulative distribution probability is calculated, the Weibull cumulative distribution probability for the initial tube thickness is estimated with the cumulative distribution probability of two values of the initial thickness of the boiler tube. The cumulative distribution probability function F(σ) is the probability that a thickness less than or equal to the thickness σ exists. The Weibull cumulative probability distribution function (ie, the Weibull distribution formula) is defined as the following equation.

Figure pat00008
Figure pat00008

여기서, α를 형태모수(shape parameter), λ를 척도모수(scale parameter)라 한다. 모수를 구하면 특정 분포를 와이블 분포로 나타낼 수 있다.Here, α is called a shape parameter, and λ is called a scale parameter. A specific distribution can be expressed as a Weibull distribution by obtaining the parameters.

이 함수는 아래와 같이 양변에 자연로그를 두 번 취하고, X축과 Y축을 새롭게 정의하여 와이블 확률지라는 평면에 직선으로 나타낼 수 있다. 이를 수학식으로 나타내면 다음과 같다.This function can be expressed as a straight line on the plane called the Weibull probability paper by taking the natural logarithm twice on both sides as shown below, and newly defining the X and Y axes. This can be expressed as a mathematical formula as follows.

Figure pat00009
Figure pat00009

변수가 두 개(F와 σ)이고, 튜브 초기 품질정보에서 두 점의 두께 σ와 누적확률분포 F가 주어졌기 때문에, X와 Y의 직선식에 대해 기울기와 y절편을 구할 수 있다. 결국, 보일러 튜브 초기의 확률분포에 해당하는 와이블 누적분포확률을 추정할 수 있게 된다.(단계 S213) 여기서 구해진 α와 λ를 초기 모수라고 하고, αi와 λi로 표현한다. 여기서, i는 초기값을 의미한다.Since there are two variables (F and σ) and the thickness σ and cumulative probability distribution F of two points are given in the initial tube quality information, the slope and y-intercept can be obtained for the linear equations of X and Y. As a result, the Weibull cumulative distribution probability corresponding to the initial probability distribution of the boiler tube can be estimated (step S213). Here, α and λ are called initial parameters, and are expressed as α i and λ i . Here, i means an initial value.

다음으로, 현재 측정 두께분포 추정 공정 블럭(220)은 현장에서 측정된 보일러 튜브의 두께 데이터를 가지고 와이블 누적분포확률을 추정하는 것이다. 현재 측정 두께분포 추정 공정 블럭(220)에서, 기 측정된 보일러 튜브의 두께 데이터(즉 현재 측정 두께 데이터)를 불러온다(단계 S221). 이후, 측정한 튜브 두께값 각각에 대해 누적분포확률을 구한다(단계 S222). 측정한 튜브 두께값에 대한 각각의 누적분포확률을 이용하여 선형회귀 등의 방법을 통해 보일러 튜브의 와이블 누적분포확률식을 구할 수 있다.(단계 S223)Next, the current measurement thickness distribution estimation process The block 220 is to estimate the Weibull cumulative distribution probability with the thickness data of the boiler tube measured in the field. Current measurement thickness distribution estimation process In block 220, the previously measured thickness data of the boiler tube (that is, the currently measured thickness data) is called (step S221). Thereafter, a cumulative distribution probability is obtained for each of the measured tube thickness values (step S222). By using each cumulative distribution probability for the measured tube thickness value, the Weibull cumulative distribution probability equation of the boiler tube can be obtained through a method such as linear regression (step S223).

부연하면, 보일러 튜브의 두께 데이터가 총 n개가 있다고 가정할 때, 이 두께 데이터 각각에 대해 랭크(Rank)를 구할 수 있다. 랭크는 순위 구성비라고도 부르며, 모집단(측정했거나 하지 않은 모든 두께값) 내에 특정 값보다 작은 값이 존재할 확률로, 앞서 서술한 누적분포확률과 같은 개념이다. In other words, assuming that there are a total of n thickness data of the boiler tube, a rank can be obtained for each of the thickness data. The rank is also called the rank ratio, and is the probability that there is a value smaller than a specific value in the population (all thickness values measured or not), and is the same concept as the cumulative distribution probability described above.

모집단의 분포 특성에 따라 랭크를 구하는 방법은 다양한 것으로 알려졌지만, 여기에서는 비대칭형 분포를 따르는 경우로 가정한다. 두께 데이터를 오름차순으로 정렬했을 때, i번째 두께의 랭크는 아래 수학식과 같다.It is known that there are various methods of calculating the rank depending on the distribution characteristics of the population, but here it is assumed that the asymmetric distribution is followed. When the thickness data are arranged in ascending order, the rank of the i-th thickness is as follows.

Figure pat00010
Figure pat00010

여기서, R은 두께의 랭크이고, i 및 n은 양의 정수이고, n > i이다.where R is the rank of thickness, i and n are positive integers, and n > i.

예를 들어 10개의 두께 데이터를 오름차순으로 정렬했을 때, 위에서 3번째 값의 랭크는 아래와 같이 구해진다. For example, when 10 thickness data are sorted in ascending order, the rank of the third value from the top is obtained as follows.

Figure pat00011
Figure pat00011

예시의 10개의 두께 데이터 상 3번째로 큰 값이 8.3mm라면 보일러 튜브 전체에서 8.3mm보다 작은 두께가 발견될 확률이 26%라는 뜻이다. If the third largest value in the 10 thickness data in the example is 8.3mm, it means that there is a 26% probability that a thickness smaller than 8.3mm will be found throughout the boiler tube.

도 2를 계속 참조하면, 앞의 초기 두께 및 현재 측정 두께를 토대로 미래 특정 시점의 튜브 두께 분포를 예측하는 두께 분포 예측 공정 블럭(230) 및 기존의 정비기준, 이력과 계획정보를 참고하여 현재의 고장확률과 미래의 고장확률을 기준으로 금회 정비범위 및 차기 정비계획을 결정하는 고장 확률 예측 공정 블럭(240)이 구성된다.2, referring to the thickness distribution prediction process block 230 that predicts the tube thickness distribution at a specific point in the future based on the previous initial thickness and the current measured thickness, and the existing maintenance standards, history and plan information, the current The failure probability prediction process block 240 is configured to determine the current maintenance range and the next maintenance plan based on the failure probability and the future failure probability.

미래 특정 시점의 튜브 두께 분포를 예측하는 두께 분포 예측 공정 블럭(230)은 앞서 초기 두께분포 추정 공정 블럭(210) 및 현재 측정 두께분포 추정 공정 블럭(220)을 통해 산출된 최소 2개 시점의 튜브 두께에 대한 와이블 분포식을 토대로 미래 특정 시점에서의 두께분포가 어떻게 될지 와이블 분포로 예측한다. The thickness distribution prediction process block 230 for predicting the tube thickness distribution at a specific point in the future is the initial thickness distribution estimation process block 210 and the current measurement thickness distribution estimation process Based on the Weibull distribution equation for the tube thickness at least two time points calculated through the block 220, the Weibull distribution predicts what the thickness distribution will be at a specific point in the future.

두께 분포 예측 공정 블럭(230)에서, 초기와 현재 측정 두께에 대한 와이블 분포식의 모수로부터 모수의 시간에 따른 변화를 선형적으로 표현하여 미래 특정 시점의 모수를 예측한다(단계 S231). 초기와 현재의 두께에 대한 와이블 분포식은 각각 아래와 같다. In the thickness distribution prediction process block 230, the parameter of a specific future time is predicted by linearly expressing the change over time of the parameter from the parameters of the Weibull distribution for the initial and current measured thicknesses (step S231). The Weibull distribution equations for the initial and current thicknesses are as follows, respectively.

Figure pat00012
Figure pat00012

여기서, α와 λ는 와이블 분포의 모수이고, i는 초기, c는 현재를 나타내며, X를 평면상 X축이고, Y는 평면상 Y축이다.Here, α and λ are parameters of the Weibull distribution, i is the initial stage, c is the present, X is the X-axis in a plane, and Y is the Y-axis in a plane.

와이블 분포의 모수 α와 λ가 시간에 따라 선형적으로 달라진다고 가정하고, 튜브의 설치시기와 현재의 시간 차이를 T1라고 하면, 앞으로 T2의 시간이 흐른 뒤 와이블 분포의 모수 αf와 λf (f: future)는 아래와 같이 변할 것이라고 추정할 수 있다. If it is assumed that the parameters α and λ of the Weibull distribution vary linearly with time, and the time difference between the tube installation time and the present time is T 1 , after the time T 2 passes, the parameters α f of the Weibull distribution and It can be estimated that λ f (f: future) will change as follows.

Figure pat00013
Figure pat00013

여기서, T1은 발전 설비 부품의 설치시기와 현재의 시간차이고, T2는 현재 시간으로 일정 시간이 경과한 시간이고, α는 형태모수이고, λ는 척도모수이고, i는 초기, c는 현재, f는 미래를 나타낸다.Here, T 1 is the time difference between the installation time of power generation equipment parts and the present time, T 2 is the time elapsed from the current time, α is the shape parameter, λ is the scale parameter, i is the initial stage, and c is the current time. , f stands for the future.

이후, 미래 특정 시점의 모수를 가지고, 그 시점의 튜브 두께에 대한 와이블 분포식을 추정하게 된다. 미래의 와이블 분포식은 아래와 같다. Thereafter, the Weibull distribution equation for the tube thickness at that point in time is estimated with the parameters at a specific point in the future. The future Weibull distribution is as follows.

Figure pat00014
Figure pat00014

이렇게 초기와 현재의 분포선으로부터 미래의 분포선을 유추하는 것을 도 4의 그래프 평면에 나타내었다.(S232)In this way, the inference of the future distribution line from the initial and present distribution lines is shown on the graph plane of FIG. 4 (S232).

이후, 고장확률 예측기반 정비계획 수립 공정 블럭(240)이 구성된다. 정비계획 수립 공정 블럭(240)은 공정(220)에서 구해진 설비의 현재 측정 두께에 대한 와이블 분포식과 공정(130)에서 구해진 설비의 미래 특정 시점에서의 와이블 분포식을 받아서 현재 및 미래의 고장확률을 산출하고, 기존 정비이력 및 계획을 참고하여 금회 정비범위 및 차기 정비계획을 산출하는 마지막 공정이다. After that, the failure probability prediction-based maintenance plan establishment process block 240 is configured. The maintenance plan establishment process block 240 receives the Weibull distribution equation for the current measured thickness of the equipment obtained in the process 220 and the Weibull distribution equation at a future specific point in time of the equipment obtained in the process 130 to present and future failures This is the final process of calculating the probability and calculating the current maintenance range and the next maintenance plan by referring to the existing maintenance history and plans.

발전소의 발전 설비 부품관련 정비기준, 즉 최소 허용두께와 그것이 발견될 확률에 대한 최소 허용치, 그리고 정비이력과 차기 및 차차기 정비계획을 포함한 정비정보들을 수집한다(단계 S241).Maintenance information related to power generation equipment parts of the power plant, that is, the minimum allowable thickness and the minimum allowable value for the probability of its discovery, and maintenance history and next and next maintenance plans are collected (step S241).

이후, 현재 시점의 두께 분포에 대한 와이블 분포식을 통해 현재의 고장확률을 산출한다(단계 S242). 이에 대해서는 도 5에 도시되어 있다. Thereafter, the current failure probability is calculated through the Weibull distribution equation for the thickness distribution at the current time (step S242). This is illustrated in FIG. 5 .

도 2를 계속 참조하면, 미래 특정 시점의 두께분포에 대해 예측한 와이블 분포식으로부터 그 시점의 고장확률을 구한다(단계 S243).2, the failure probability at that point in time is obtained from the Weibull distribution equation predicted for the thickness distribution at a specific point in the future (step S243).

이후, 현재의 고장확률, 차기의 고장확률 및 차차기의 고장확률을 토대로 금회 정비계획 및 차기 정비계획의 등급을 결정한다(단계 S244). 부연하면, 고장확률이 특정수준 이상이면 주의, 특정수준 이상이면 위험으로 분류할 수 있다. 이 때 특정수준은 설비 제조사나 재료 제작사가 제시한 수치일 수 있다.Thereafter, the grade of the current maintenance plan and the next maintenance plan is determined based on the current failure probability, the next failure probability, and the next failure probability (step S244). In other words, if the probability of failure is above a certain level, it can be classified as caution, and if it is above a certain level, it can be classified as risk. In this case, the specific level may be a numerical value suggested by the equipment manufacturer or material manufacturer.

도 3은 일반적인 최소 두께와 최대 두께로 나타낸 튜브의 초기 두께의 정규 분포를 나타내는 그래프이다. 도 3을 참조하면, 정규분포로서 3시그마인 경우를 나타낸 것이다. 3 is a graph showing the normal distribution of the initial thickness of the tube expressed as a general minimum thickness and maximum thickness. Referring to FIG. 3 , a case of 3 sigma as a normal distribution is shown.

도 4는 본 발명의 일실시예에 따른 와이블 확률지 평면에 나타낸 초기, 현재, 및 미래의 와이블 분포도를 나타내는 그래프이다. 도 4를 참조하면, 그래프를 보면 시간이 갈수록 와이블 분포 직선은 점점 기울기의 절대값이 작아지고, y절편이 커지는 방향으로 변할 것이라고 생각할 수 있다.4 is a graph showing initial, present, and future Weibull distributions shown on the Weibull probability paper plane according to an embodiment of the present invention. Referring to FIG. 4 , looking at the graph, it can be considered that the Weibull distribution straight line will change in a direction in which the absolute value of the slope becomes smaller and the y-intercept becomes larger as time goes by.

도 5는 본 발명의 일실시예에 따른 초기, 현재, 및 미래의 튜브 두께에 대한 누적 분포 확률 그래프와 위험도를 나타내는 도면이다. 도 5를 참조하면, 초기 두께 분포, 금회 두께 분포, 미래(차기) 추정 두께분포를 한 평면에 그린 것으로 x축은 튜브 두께, y축은 해당 두께 이하가 존재할 확률(누적분포확률)이다. 따라서 현재 고장확률은 현재의 두께분포곡선에서 최소 허용두께에 상응하는 y값, 즉 누적분포확률이다. 5 is a diagram illustrating a cumulative distribution probability graph and a degree of risk for initial, current, and future tube thicknesses according to an embodiment of the present invention. Referring to FIG. 5 , the initial thickness distribution, the current thickness distribution, and the future (next) estimated thickness distribution are drawn on one plane. Therefore, the current failure probability is the y value corresponding to the minimum allowable thickness in the current thickness distribution curve, that is, the cumulative distribution probability.

예를 들어 보일러 튜브의 최소 허용두께가 6.45mm라고 하면, 현재 측정 두께의 분포곡선을 볼 때 6.45mm 이하의 두께가 존재할 확률(점 Fc)은 약 0.002(0.2%)이다. 따라서 현재의 고장확률은 0.2%이다. 또한, 점 Ff가 차기 공사시의 고장확률이 되며 그 값은 약 0.007(0.7%)이다. 차차기 공사 시의 고장확률은 Fff가 되고 그 값은 약 0.03(3%)이다. For example, if the minimum allowable thickness of a boiler tube is 6.45mm, the probability that a thickness of 6.45mm or less exists (point F c ) when looking at the distribution curve of the currently measured thickness is about 0.002 (0.2%). Therefore, the current failure probability is 0.2%. In addition, the point F f becomes the failure probability during the next construction, and its value is about 0.007 (0.7%). The probability of failure during the next construction is F ff , and its value is about 0.03 (3%).

따라서, 고장확률이 특정수준 이상이면 주의, 특정수준 이상이면 위험으로 분류할 수 있다. 이때 특정수준은 설비 제조사나 재료 제작사가 제시한 수치일 수 있다. 예를 들어 고장확률에 대한 주의 기준이 0.5%이고 위험기준이 1%라고 하면, 예시로 볼 때 차기 고장확률 Ff는 주의단계에 속하고, 차차기의 고장확률 Fff는 위험단계라고 볼 수 있다. Therefore, if the probability of failure is above a certain level, it can be classified as caution, and if it is above a certain level, it can be classified as risk. In this case, the specific level may be a numerical value suggested by the equipment manufacturer or the material manufacturer. For example, if the caution criterion for the failure probability is 0.5% and the risk criterion is 1%, as an example, the next failure probability F f belongs to the caution stage, and the next failure probability F ff is a dangerous stage. .

따라서, 차차기 예방정비 시기에 설비가 위험수준에 도래한다면, 그 2년 전인 차기 예방정비 시기에 설비를 교체하여야 할 것이다. 그러므로 차기 예방정비 시기 3~6개월 전, 정비계획을 수립할 때 미리 교체계획을 반영하여야 한다. 반면에 차차기 시기에는 주의 단계이고 차기 시기에는 정상 단계로 예상된다면, 차기 시기에는 상대적으로 고장확률이 높은 몇몇 개소에 대해서만 점검계획을 세우면 된다. Therefore, if the equipment arrives at a dangerous level during the next preventive maintenance period, the equipment should be replaced during the next preventive maintenance period, two years before that. Therefore, it is necessary to reflect the replacement plan in advance when establishing a maintenance plan 3 to 6 months before the next preventive maintenance period. On the other hand, if the next period is a cautionary stage and the next period is expected to be a normal stage, it is only necessary to establish an inspection plan for a few locations with a relatively high probability of failure in the next period.

정비계획maintenance plan 감육에 의한 위험 수준Risk level due to thinning 금회this time 차기kick 차차기kick kick 이견없음no disagreement 정상normal 정상normal 정상normal 차기 공사기 점검Inspection of the next construction machine 정상normal 정상normal 주의caution 차기 공사기 교체replacement of the next construction machine 정상normal 주의caution 위험danger 금회 즉시 교체Immediate replacement this time 주의caution 위험danger 위험danger

도 6은 본 발명의 다른 일실시예에 따른 고장 확률 예측을 산출하고 이를 이용한 예방 정비 과정을 보여주는 흐름도이다. 도 6은 기본적으로 도 2와 유사하며, 금회 측정 두께외에 과거에 측정했던 두께 데이터들이 있는 경우에 대한 실시예이다. 따라서, 공정 블럭(610) 및 단계(S611 내지 S613)은 도 2의 공정 블럭(210) 및 단계(S211 내지 S213)와 동일하다.6 is a flowchart illustrating a preventive maintenance process by calculating a failure probability prediction and using the prediction according to another embodiment of the present invention. FIG. 6 is basically similar to FIG. 2, and is an embodiment for a case where there are thickness data measured in the past in addition to the thickness measured this time. Accordingly, the process block 610 and steps S611 to S613 are the same as the process block 210 and steps S211 to S213 of FIG. 2 .

과거 두께 와이블 분포 추정 공정 블럭(620)은 과거 설비 두께 측정 데이터를 취득하여 이로부터 와이블 분포를 추정하는 공정이다. The past thickness Weibull distribution estimation process block 620 is a process of estimating a Weibull distribution by acquiring past equipment thickness measurement data.

현재 측정 두께 와이블 분포 추정 공정(630)은 현재 설비 두께 측정 데이터를 취득하여 이로부터 와이블 분포를 추정하는 공정이다. 따라서, 도 2의 공정 블럭(120) 및 단계(S121 내지 S123)와 유사하다.The currently measured thickness Weibull distribution estimating process 630 is a process of estimating the Weibull distribution by acquiring the current equipment thickness measurement data. Accordingly, it is similar to the process block 120 and steps S121 to S123 of FIG. 2 .

미래 두께분포 예측 공정 블럭(640)은 초기 두께 분포, 과거 두께 분포와 금회 두께 분포에 대한 와이블 분포식을 가지고 미래 두께에 대한 와이블 분포식을 추정하기 위한 공정이다.The future thickness distribution prediction process block 640 is This is a process for estimating the Weibull distribution equation for the future thickness with the Weibull distribution equation for the initial thickness distribution, the past thickness distribution, and the current thickness distribution.

초기, 과거, 그리고 금회 두께에 대한 와이블 분포식을 받아서 와이블 분포 모수 변화함수를 추정한다(단계 S641). 예를 들어 지난 10년 전 두께를 납품했고, 그 이후 2년 간격으로 각각 대상 설비에 대해 두께를 측정한 데이터가 있다고 할 때, 각 시점에서 두께 측정 데이터를 가지고 와이블 분포식을 구할 수 있다. 그 방법은 도 2에 도시된 공정 블럭(120)과 같다. A Weibull distribution parameter change function is estimated by receiving the Weibull distribution equations for the initial, past, and current thicknesses (step S641). For example, if the thickness was delivered 10 years ago, and there is data that has measured the thickness for each target facility every two years after that, the Weibull distribution can be obtained with the thickness measurement data at each time point. The method is the same as the process block 120 shown in FIG.

두께 측정 데이터들을 측정시기별로 분류하고, 각 시기의 와이블 분포를 구하면, 시간과 경과시간과 형태모수 α 및 척도모수 λ에 대해 아래와 같은 표를 만들 수 있다. 아래 표의 수치는 이해를 돕기 위한 예시로서 임의의 숫자로 작성되었으며, 아래 표의 수치를 토대로 계산되어 후술되는 수치들 또한 모두 예시이다. If the thickness measurement data is classified by measurement period and the Weibull distribution of each period is obtained, the following table can be created for time, elapsed time, shape parameter α, and scale parameter λ. The figures in the table below are written in arbitrary numbers as an example to help understanding, and all figures calculated based on the figures in the table below and described later are also examples.

시기period 경과시간(년)Elapsed time (years) 형태모수 αshape parameter α 척도모수 λscale parameter λ 현재(금회)Present (this time) 00 2020 0.1650.165 2년 전Two years ago -2-2 3636 0.1640.164 4년 전4 years ago -4-4 6868 0.1630.163 6년 전6 years ago -6-6 100100 0.1620.162 8년 전8 years ago -8-8 160160 0.1600.160 초기Early -10-10 250250 0.1580.158

위 데이터를 가지고 각 모수를 추정하는, 시간(년)을 변수로 하는 식을 추정할 수 있다. 그 방법은 최소자승법에 기반한 지수함수 또는 다항식함수 추정일 수 있다. 아래 도 7은 형태모수, 도 8은 척도모수에 대해 표 1에 예시한 값을 가지고 각각 지수함수 및 1차식(선형)을 최소자승법으로 추정한 그래프이다. 이를 보여주는 도면이 도 7 및 도 8이다. Using the above data, it is possible to estimate an expression using time (year) as a variable to estimate each parameter. The method may be an exponential function or polynomial function estimation based on the least squares method. Figure 7 below is a graph of estimating an exponential function and a linear equation (linear) using the least-squares method with the values exemplified in Table 1 for the shape parameter and Fig. 8 for the scale parameter. 7 and 8 are views showing this.

도 6을 계속 참조하면, 이후, 위에서 구한 형태모수 및 척도모수의 함수를 사용하여 미래의 설비 두께에 대한 와이블 분포식을 추정한다(단계 S642).6, thereafter, the Weibull distribution equation for the thickness of the future equipment is estimated using the functions of the shape parameter and the scale parameter obtained above (step S642).

2년과 4년 뒤를 추정하기 위해, 위에서 구해진 각 모수의 추정식에 2, 4를 대입하여 2년 뒤, 4년뒤의 형태모수와 척도모수를 구하면 다음 표와 같다. To estimate 2 and 4 years later, by substituting 2 and 4 into the estimation equations for each parameter obtained above, the shape and scale parameters after 2 and 4 years are calculated as shown in the table below.

시기period 경과시간(년)Elapsed time (years) 형태모수 αshape parameter α 척도모수 λscale parameter λ 차기 정비next maintenance 22 13.2513.25 0.1670.167 차차기 정비maintenance 44 8.048.04 0.1660.166

위 표는 미래의 정비시간에 대한 두게 와이블 분포식의 모수 추정 결과이다.The table above shows the parameter estimation results of the Duge Weibull distribution for future maintenance time.

따라서 2년 뒤, 4년 뒤의 와이블 분포는 아래와 같이 구해진다. Therefore, the Weibull distribution after 2 years and 4 years is obtained as follows.

Figure pat00015
Figure pat00015

Figure pat00016
Figure pat00016

고장확률 예측기반 정비계획 수립 공정 블럭(650)이 구성된다. 고장확률 예측기반 정비계획 수립 공정 블럭(650)은 도 2에 도시된 공정 블럭(240)과 동일하다. 다만, 이해를 돕기 위해 도 6에서 예시로 든 수치를 토대로 설명하고자 한다. A failure probability prediction-based maintenance plan establishment process block 650 is configured. The failure probability prediction-based maintenance plan establishment process block 650 is the same as the process block 240 shown in FIG. However, in order to help understanding, it will be described based on the numerical values exemplified in FIG. 6 .

정비기준, 이력 및 계획을 취득한다(단계 S651). 취득한 정비기준은 설비의 최소 허용두께가 4.5mm이며, 설비의 감육에 대한 고장확률이 1% 이상이면 주의, 5% 이상이면 경고라는 기준일 수 있다. 계획은 각각 2년과 4년 뒤에 차기 및 차차기 정비를 수행할 것이라는 정보일 수 있다. A maintenance standard, history, and plan are acquired (step S651). The acquired maintenance standard is that the minimum allowable thickness of the equipment is 4.5mm, and if the failure probability for thinning of the equipment is more than 1%, it can be a warning, and if it is more than 5%, it can be a warning. The plan may be information that the next and next maintenance will be performed in two and four years, respectively.

이후, 현재의 고장확률을 산출한다. 이를 위해 현재 측정 두께에 대한 와이블 분포식을 가져와서, 최소허용두께에 대한 누적분포확률을 고장확률로 산출한다(단계 S652).Then, the current failure probability is calculated. To this end, the Weibull distribution formula for the currently measured thickness is obtained, and the cumulative distribution probability for the minimum allowable thickness is calculated as the failure probability (step S652).

이후, 기 및 차차기 정비시기의 고장확률을 산출한다. 이를 위해 미래의 와이블 분포식 예측결과를 가져와서, 각 정비시점에 대해 최소허용두께에 대한 누적분포확률을 고장확률로 산출한다(단계 S653). 예를 들어 위 공정 210과 130에서 구한 현재와 2년 뒤, 4년 뒤의 와이블 분포식에 최소 허용두께 4.5mm를 대입하면 아래 표와 같은 고장확률을 구할 수 있고, 정비 기준으로부터 해당 시기가 정상, 주의, 위험 중 어디에 해당하는지 알 수 있다. After that, the failure probability is calculated at the maintenance period for the next period and the next period. To this end, the future Weibull distribution formula prediction result is taken, and the cumulative distribution probability for the minimum allowable thickness for each maintenance time is calculated as the failure probability (step S653). For example, if the minimum allowable thickness of 4.5mm is substituted in the Weibull distribution formula obtained in steps 210 and 130 above, 2 years and 4 years later, the failure probability can be obtained as shown in the table below, and the You can tell whether it is normal, caution or dangerous.

시기period 고장확률(%)Failure probability (%) 위험도risk 금회 정비Maintenance this time 0.270.27 정상normal 차기 정비next maintenance 2.102.10 주의caution 차차기 정비maintenance 9.579.57 위험danger

위 표는 금회 및 미래 정비 시기 감육에 의한 고장확률 및 위험도의 산출 결과이다. 금회 및 미래의 고장확률 산출결과를 토대로 금회 정비범위 및 차기 정비계획을 정한다(단계 S654). 그 방법은 표 1에서 나타낸 대표 실시예의 내용과 동일하다. The table above is the result of calculating the probability of failure and risk due to thinning at this time and future maintenance periods. Based on the present and future failure probability calculation results, the current maintenance range and the next maintenance plan are determined (step S654). The method is the same as that of the representative example shown in Table 1.

예를 들어 평가결과가 표 4와 같다면, 금회에는 일상적인 점검이나 비파괴평가 외에 특별히 조치할 사항이 없다. 그러나 차차기에 매우 위험한 상태가 되므로, 차기 정비계획을 수립할 때에 고장확률이 높은 부위에 대한 교체 계획을 반드시 반영하여야 할 것이다. 위험도가 높은 설비 또는 해당부위에 대해 차기 계획수립시 교체 계획을 수립하고, 차차기에도 주의가 요구되는 부위는 정밀점검계획을 수립하는 한편 점검결과가 안좋을 경우를 대비한 예비 교체품도 미리 준비해놓는 등의 정비 계획을 수립할 수 있다. For example, if the evaluation result is as shown in Table 4, there is no special action to be taken other than routine inspection or non-destructive evaluation at this time. However, since it becomes a very dangerous state in the next period, when establishing the next maintenance plan, the replacement plan for the parts with high probability of failure must be reflected. When establishing the next plan for high-risk equipment or parts, a replacement plan is established, and a detailed inspection plan is established for parts requiring attention in the next period, while preparing spare replacement parts in advance in case the inspection result is poor, etc. A maintenance plan can be established.

도 7은 본 발명의 일실시예에 따른 형태모수의 시간에 따른 함수 추정 그래프이고, 도 8은 본 발명의 일실시예에 따른 척도모수의 시간에 따른 함수 추정 그래프이다. 도 7 및 8을 참조하면, 각 그래프를 보면 x는 시간, y는 형태모수 또는 척도모수인 1차식이 나오며, 이 식을 가지고 차기 및 차차기(2년 뒤 및 4년 뒤)의 형태모수 및 척도모수를 추정할 수 있게 된다. 식에서 t는 현재로부터 경과 시간을 뜻하며 2년 일 때 t = -2, 10년 전일 때 t = -10이다. 이를 수학식으로 나타내면 다음과 같다.7 is a function estimation graph according to time of a shape parameter according to an embodiment of the present invention, and FIG. 8 is a function estimation graph according to time of a scale parameter according to an embodiment of the present invention. 7 and 8, if you look at each graph, you see a first-order equation in which x is time and y is a shape parameter or a scale parameter, and with this formula, the shape parameters and scales of the next and next steps (2 years and 4 years later) parameters can be estimated. In the equation, t means the elapsed time from the present, and t = -2 when 2 years ago and t = -10 when 10 years ago. This can be expressed as a mathematical formula as follows.

Figure pat00017
Figure pat00017

여기서, t는 현재로부터 경과시간을 의미한다.Here, t means the elapsed time from the present.

또한, 여기에 개시된 실시형태들과 관련하여 설명된 방법 또는 알고리즘의 단계들은, 마이크로프로세서, 프로세서, CPU(Central Processing Unit) 등과 같은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 (명령) 코드, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. In addition, the steps of the method or algorithm described in relation to the embodiments disclosed herein are implemented in the form of program instructions that can be executed through various computer means such as a microprocessor, a processor, a CPU (Central Processing Unit), etc. It can be recorded on any available medium. The computer-readable medium may include program (instructions) codes, data files, data structures, and the like alone or in combination.

상기 매체에 기록되는 프로그램 (명령) 코드는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프 등과 같은 자기 매체(magnetic media), CD-ROM, DVD, 블루레이 등과 같은 광기록 매체(optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 (명령) 코드를 저장하고 수행하도록 특별히 구성된 반도체 기억 소자가 포함될 수 있다. The program (instructions) code recorded on the medium may be specially designed and configured for the present invention, or may be known and available to those skilled in the art of computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs, DVDs, Blu-rays, and the like, and ROM, RAM ( A semiconductor memory device specially configured to store and execute program (instruction) code such as RAM), flash memory, and the like may be included.

여기서, 프로그램 (명령) 코드의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.Here, examples of the program (instruction) code include not only machine language codes such as those generated by a compiler but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.

100: 발전 설비 부품의 고장 확률 예측 장치
110: 입력부
120: 계산부
130: 추정부
140: 산출부
150: 출력부100: failure probability prediction device of power generation equipment parts
110: input unit
120: calculator
130: estimator
140: output unit
150: output unit

Claims (20)

발전 설비 부품에 대한 세부 정보를 입력받는 입력부(110);
상기 세부 정보를 이용하여 상기 발전 설비 부품의 초기 두께에 대한 제 1 와이블 분포식 및 현재 측정 두께에 대한 제 2 와이블 분포식을 산출하는 계산부(120);
상기 제 1 와이블 분포식 및 상기 제 2 와이블 분포식을 이용하여 미래 두께에 대한 제 3 와이블 분포식을 추정하는 추정부(130); 및
상기 제 2 와이블 분포 및 상기 제 3 와이블 분포를 이용하여 고장확률을 산출하는 산출부(140);
를 포함하는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 장치.
an input unit 110 for receiving detailed information about power generation equipment parts;
a calculation unit 120 for calculating a first Weibull distribution equation for the initial thickness of the power generation equipment component and a second Weibull distribution equation for the currently measured thickness by using the detailed information;
an estimator 130 for estimating a third Weibull distribution for future thickness using the first Weibull distribution equation and the second Weibull distribution equation; and
a calculator 140 for calculating a failure probability using the second Weibull distribution and the third Weibull distribution;
Failure probability prediction device of the power generation equipment parts, characterized in that it comprises a.
 제 1 항에 있어서,
상기 제 1 와이블 분포식은 상기 세부 정보로부터 산출되는 상기 발전 설비 부품의 최소 두께 및 최대 두께에 대한 누적분포확률에 기반하여 계산되는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 장치.
The method of claim 1,
The first Weibull distribution equation is an apparatus for predicting failure probability of power generation equipment parts, characterized in that it is calculated based on the cumulative distribution probability for the minimum and maximum thicknesses of the electric power plant parts calculated from the detailed information.
 제 2 항에 있어서,
상기 누적분포확률은 상기 발전 설비 부품의 초기 두께 분포를 나타내는 정규 분포 곡선으로 추정되며, 상기 정규 분포 곡선을 통해 상기 제 1 와이블 분포식이 산출되는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 장치.
3. The method of claim 2,
The cumulative distribution probability is estimated as a normal distribution curve representing the initial thickness distribution of the power generation equipment parts, and the first Weibull distribution equation is calculated through the normal distribution curve.
 제 3 항에 있어서,
상기 제 1 와이블 분포식은 수학식
Figure pat00018
(여기서, F(σ)는 와이블 분포식, α는 형태모수(shape parameter), λ는 척도모수(scale parameter)이다)로 정의되는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 장치.
4. The method of claim 3,
The first Weibull distribution equation is
Figure pat00018
(Here, F(σ) is a Weibull distribution formula, α is a shape parameter, and λ is a scale parameter).
 제 1 항에 있어서,
상기 제 2 와이블 분포식은 상기 발전 설비 부품의 측정된 두께값 각각에 대해 산출된 측정 두께별 누적분포확률에 기반하여 계산되는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 장치.
The method of claim 1,
The second Weibull distribution equation is an apparatus for predicting failure probability of power generation equipment parts, characterized in that it is calculated based on the cumulative distribution probability for each measured thickness calculated for each of the measured thickness values of the electric power plant parts.
 제 5 항에 있어서,
상기 측정 두께별 누적분포확률은 순위 구성비인 랭크로 표현되며, 상기 랭크는 수학식
Figure pat00019
(여기서, R은 두께의 랭크이고, i 및 n은 양의 정수이고, n > i이다)으로 정의되는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 장치.
6. The method of claim 5,
The cumulative distribution probability for each measured thickness is expressed as a rank, which is a rank composition ratio, and the rank is expressed by the formula
Figure pat00019
(here, R is the rank of thickness, i and n are positive integers, n > i) The failure probability prediction device of the power generation equipment component, characterized in that defined as.
 제 1 항에 있어서,
상기 제 3 와이블 분포식은 수학식
Figure pat00020
(여기서,
Figure pat00021
, T1은 발전 설비 부품의 설치시기와 현재의 시간차이고, T2는 현재 시간으로 일정 시간이 경과한 시간이고, α는 형태모수이고, λ는 척도모수이고, i는 초기, c는 현재, f는 미래를 나타낸다)으로 정의되는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 장치.
The method of claim 1,
The third Weibull distribution equation is
Figure pat00020
(here,
Figure pat00021
, T 1 is the time difference between the installation time of power generation equipment parts and the current time, T 2 is the time elapsed from the current time, α is the shape parameter, λ is the scale parameter, i is the initial stage, c is the current time, f represents the future), a failure probability prediction device of power generation equipment parts, characterized in that it is defined.
 제 1 항에 있어서,
상기 고장확률은 상기 제 2 와이블 분포식을 이용하여 산출되는 현재의 고장확률 또는 상기 제 3 와이블 분포식을 이용하여 산출되는 미래의 고장확률인 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 장치.
The method of claim 1,
The failure probability is a current failure probability calculated using the second Weibull distribution equation or a future failure probability calculated using the third Weibull distribution equation. .
 제 8 항에 있어서,
상기 산출부(140)는 상기 발전 설비 부품에 관련 정비기준, 정비이력, 차기 정비계획 및 차차기 정비계획을 포함하는 정비정보를 입력받고, 상기 정비정보에 토대로 상기 차기 정비계획 및 차차기 정비계획의 등급을 결정하는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 장치.
9. The method of claim 8,
The calculation unit 140 receives maintenance information including related maintenance standards, maintenance history, next maintenance plan and next maintenance plan for the power generation equipment parts, and the grade of the next maintenance plan and the next maintenance plan based on the maintenance information Failure probability prediction device of power generation equipment parts, characterized in that for determining the.
 제 9 항에 있어서,
상기 등급을 출력하는 출력부(150);를 더 포함하는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 장치.
10. The method of claim 9,
An output unit 150 for outputting the grade; failure probability prediction device for power generation equipment parts, characterized in that it further comprises.
 (a) 입력부(110)가 발전 설비 부품에 대한 세부 정보를 입력받는 단계;
(b) 계산부(120)가 상기 세부 정보를 이용하여 상기 발전 설비 부품의 초기 두께에 대한 제 1 와이블 분포식 및 현재 측정 두께에 대한 제 2 와이블 분포식을 산출하는 단계;
(c) 추정부(130)가 상기 제 1 와이블 분포식 및 상기 제 2 와이블 분포식을 이용하여 미래 두께에 대한 제 3 와이블 분포식을 추정하는 단계; 및
(d) 산출부(140)가 상기 제 2 와이블 분포 및 상기 제 3 와이블 분포를 이용하여 고장확률을 산출하는 단계;
를 포함하는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 방법.
(a) receiving, by the input unit 110, detailed information about power generation equipment parts;
(b) calculating, by the calculator 120, a first Weibull distribution equation for the initial thickness of the power generation equipment component and a second Weibull distribution equation for the currently measured thickness by using the detailed information;
(c) estimating, by the estimator 130, a third Weibull distribution equation for the future thickness using the first Weibull distribution equation and the second Weibull distribution equation; and
(d) calculating, by the calculator 140, a failure probability using the second Weibull distribution and the third Weibull distribution;
A method of predicting failure probability of power generation equipment parts comprising a.
 제 11 항에 있어서,
상기 제 1 와이블 분포식은 상기 세부 정보로부터 산출되는 상기 발전 설비 부품의 최소 두께 및 최대 두께에 대한 누적분포확률에 기반하여 계산되는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 방법.
12. The method of claim 11,
The first Weibull distribution equation is a method for predicting failure probability of power generation equipment parts, characterized in that it is calculated based on the cumulative distribution probability for the minimum and maximum thicknesses of the electric power equipment parts calculated from the detailed information.
 제 12 항에 있어서,
상기 누적분포확률은 상기 발전 설비 부품의 초기 두께 분포를 나타내는 정규 분포 곡선으로 추정되며, 상기 정규 분포 곡선을 통해 상기 제 1 와이블 분포식이 산출되는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 방법.
13. The method of claim 12,
The cumulative distribution probability is estimated as a normal distribution curve representing the initial thickness distribution of the power generation equipment parts, and the first Weibull distribution equation is calculated through the normal distribution curve.
 제 13 항에 있어서,
상기 제 1 와이블 분포식은 수학식
Figure pat00022
(여기서, F(σ)는 와이블 분포식, α는 형태모수(shape parameter), λ는 척도모수(scale parameter)이다)으로 정의되는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 방법.
14. The method of claim 13,
The first Weibull distribution equation is
Figure pat00022
(Here, F(σ) is a Weibull distribution formula, α is a shape parameter, and λ is a scale parameter).
 제 11 항에 있어서,
상기 제 2 와이블 분포식은 상기 발전 설비 부품의 측정된 두께값 각각에 대해 산출된 측정 두께별 누적분포확률에 기반하여 계산되는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 방법.
12. The method of claim 11,
The second Weibull distribution equation is a method for predicting failure probability of power generation equipment parts, characterized in that it is calculated based on the cumulative distribution probability for each measured thickness calculated for each of the measured thickness values of the electric power plant parts.
 제 15 항에 있어서,
상기 측정 두께별 누적분포확률은 순위 구성비인 랭크로 표현되며, 상기 랭크는 수학식
Figure pat00023
(여기서, R은 두께의 랭크이고, i 및 n은 양의 정수이고, n > i이다)으로 정의되는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 방법.
16. The method of claim 15,
The cumulative distribution probability for each measured thickness is expressed as a rank, which is a rank composition ratio, and the rank is expressed by the formula
Figure pat00023
(here, R is the rank of thickness, i and n are positive integers, n > i) The failure probability prediction method of the power generation equipment parts, characterized in that defined as.
 제 11 항에 있어서,
상기 제 3 와이블 분포식은 수학식
Figure pat00024
(여기서,
Figure pat00025
, T1은 발전 설비 부품의 설치시기와 현재의 시간차이고, T2는 현재 시간으로 일정 시간이 경과한 시간이고, α는 형태모수이고, λ는 척도모수이고, i는 초기, c는 현재, f는 미래를 나타낸다)으로 정의되는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 방법.
12. The method of claim 11,
The third Weibull distribution equation is
Figure pat00024
(here,
Figure pat00025
, T 1 is the time difference between the installation time of power generation equipment parts and the current time, T 2 is the time elapsed from the current time, α is the shape parameter, λ is the scale parameter, i is the initial stage, c is the current time, f represents the future), a method for predicting failure probability of power generation equipment parts, characterized in that it is defined.
 제 11 항에 있어서,
상기 고장확률은 상기 제 2 와이블 분포식을 이용하여 산출되는 현재의 고장확률 또는 상기 제 3 와이블 분포식을 이용하여 산출되는 미래의 고장확률인 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 방법.
12. The method of claim 11,
The failure probability is a current failure probability calculated using the second Weibull distribution equation or a future failure probability calculated using the third Weibull distribution equation. .
 (a) 입력부(110)가 발전 설비 부품에 대한 세부 정보를 입력받는 단계;
(b) 계산부(120)가 상기 세부 정보를 이용하여 상기 발전 설비 부품의 초기 두께에 대한 제 1 와이블 분포식, 미리 정해진 일정시간 이전에 생성된 과거 측정 두께에 대한 제 2 와이블 분포식, 및 상기 미리 정해진 일정 시간에 생성된 현재 측정 두께에 대한 제 3 와이블 분포식을 산출하는 단계;
(c) 추정부(130)가 상기 제 1 내지 제 3 와이블 분포식을 이용하여 미래 두께에 대한 제 3 와이블 분포식을 추정하는 단계; 및
(d) 산출부(140)가 상기 제 2 내지 제 4 와이블 분포를 이용하여 고장확률을 산출하는 단계;
를 포함하는 것을 특징으로 하는 발전 설비 부품의 고장 확률 예측 방법.
(a) receiving, by the input unit 110, detailed information about power generation equipment parts;
(b) the calculation unit 120 uses the detailed information, a first Weibull distribution formula for the initial thickness of the power generation equipment part, and a second Weibull distribution formula for a past measured thickness generated before a predetermined time. , and calculating a third Weibull distribution for the currently measured thickness generated at the predetermined time;
(c) estimating, by the estimator 130, a third Weibull distribution equation for the future thickness using the first to third Weibull distribution equations; and
(d) calculating, by the calculator 140, a failure probability using the second to fourth Weibull distributions;
A method of predicting failure probability of power generation equipment parts comprising a.
 제 11 항 내지 제 19 항 중 어느 한 항에 따른 발전 설비 부품의 고장 확률 예측 방법을 실행시키기 위한 프로그램 코드를 저장한 컴퓨터 판독 가능 저장 매체.A computer-readable storage medium storing a program code for executing the method for predicting failure probability of power generation equipment parts according to any one of claims 11 to 19.
KR1020200068418A 2020-06-05 2020-06-05 Apparatus and Method for fault probability prediction of parts of power facilities KR20210151510A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200068418A KR20210151510A (en) 2020-06-05 2020-06-05 Apparatus and Method for fault probability prediction of parts of power facilities

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200068418A KR20210151510A (en) 2020-06-05 2020-06-05 Apparatus and Method for fault probability prediction of parts of power facilities

Publications (1)

Publication Number Publication Date
KR20210151510A true KR20210151510A (en) 2021-12-14

Family

ID=78935219

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200068418A KR20210151510A (en) 2020-06-05 2020-06-05 Apparatus and Method for fault probability prediction of parts of power facilities

Country Status (1)

Country Link
KR (1) KR20210151510A (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114462788A (en) * 2021-12-31 2022-05-10 浙江大学 Multi-state element reliability evaluation method based on half Markov process
CN116502845A (en) * 2023-04-27 2023-07-28 中国人民解放军海军工程大学 Method and system for estimating average consumption number of electromechanical equipment spare parts considering maintenance time consumption
CN116542500A (en) * 2023-07-06 2023-08-04 北方联创通信有限公司 Unmanned aerial vehicle spare part purchasing method, system, storage medium and equipment
CN116611654A (en) * 2023-05-23 2023-08-18 中国人民解放军海军工程大学 Spare part demand estimation method and system for electromechanical general parts under maintenance work
CN116579494B (en) * 2023-05-23 2024-03-19 中国人民解放军海军工程大学 Spare part inventory prediction method and system based on electromechanical equipment under maintenance time consumption

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160039099A (en) 2014-09-30 2016-04-08 한국전력공사 Evaluating method for degree of risk using creep and wall thinning of heat exchanger steam tube

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160039099A (en) 2014-09-30 2016-04-08 한국전력공사 Evaluating method for degree of risk using creep and wall thinning of heat exchanger steam tube

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114462788A (en) * 2021-12-31 2022-05-10 浙江大学 Multi-state element reliability evaluation method based on half Markov process
CN114462788B (en) * 2021-12-31 2023-10-31 浙江大学 Multi-state element reliability assessment method based on semi-Markov process
CN116502845A (en) * 2023-04-27 2023-07-28 中国人民解放军海军工程大学 Method and system for estimating average consumption number of electromechanical equipment spare parts considering maintenance time consumption
CN116502845B (en) * 2023-04-27 2024-03-15 中国人民解放军海军工程大学 Method and system for estimating average consumption number of electromechanical equipment spare parts considering maintenance time consumption
CN116611654A (en) * 2023-05-23 2023-08-18 中国人民解放军海军工程大学 Spare part demand estimation method and system for electromechanical general parts under maintenance work
CN116611654B (en) * 2023-05-23 2024-02-09 中国人民解放军海军工程大学 Spare part demand estimation method and system for electromechanical general parts under maintenance work
CN116579494B (en) * 2023-05-23 2024-03-19 中国人民解放军海军工程大学 Spare part inventory prediction method and system based on electromechanical equipment under maintenance time consumption
CN116542500A (en) * 2023-07-06 2023-08-04 北方联创通信有限公司 Unmanned aerial vehicle spare part purchasing method, system, storage medium and equipment
CN116542500B (en) * 2023-07-06 2023-12-08 北方联创通信有限公司 Unmanned aerial vehicle spare part purchasing method, system, storage medium and equipment

Similar Documents

Publication Publication Date Title
KR20210151510A (en) Apparatus and Method for fault probability prediction of parts of power facilities
JP5219336B2 (en) Evaluation method for broken fuel rods
US6195624B1 (en) Corrosion analysis system and method
CN101994908B (en) Method for realizing reliability maintenance planning of high temperature pipeline system
US20050107963A1 (en) Method for assessing the integrity of a structure
Seyedhosseini et al. Imperfect inspection optimization for a two-component system subject to hidden and two-stage revealed failures over a finite time horizon
Badía et al. An study of cost effective maintenance policies: Age replacement versus replacement after N minimal repairs
Castro et al. Age-based preventive maintenance for passive components submitted to stress corrosion cracking
Tsai et al. A trivariate optimal replacement policy for a deteriorating system based on cumulative damage and inspections
Yang et al. Reliability analysis of gas pipeline with corrosion defect based on finite element method
Gomes et al. Optimal inspection planning and repair under random crack propagation
Straub et al. System effects in generic risk-based inspection planning
Hu et al. Life prediction of steam generator tubing due to stress corrosion crack using Monte Carlo Simulation
Åström et al. Reliability analysis and initial requirements for FC systems and stacks
KR20110046091A (en) Importance analysis method considering the severity and the opportunity
Tuck et al. A review of probabilistic creep assessment reporting relating to volume 2/3 of the R5 procedure
Mendoza et al. Optimal life-cycle mitigation of fatigue failure risk for structural systems
Nilsson Risk-based approach to plant life management
Mao et al. Probabilistic risk assessment for the piping of a nuclear power plant: Uncertainty and sensitivity analysis by using SINTAP procedure
Zhou et al. Quantification of value of information associated with optimal observation actions within partially observable Markov decision processes
JP3379304B2 (en) Plant abnormality monitoring method and abnormality monitoring device
Zhou et al. Condition-based maintenance modeling for a two-stage deteriorating system with random changes based on stochastic process
Fong et al. A Multi-Scale Failure-Probability-and-NDE-Based Fatigue Life Model for Estimating Component Co-Reliability of Uncracked and Cracked Pipes
Berg et al. Procedure for probabilistic safety assessment of leaks and breaks of piping systems
WO2023286659A1 (en) Failure predicting device, failure predicting method, and program

Legal Events

Date Code Title Description
A201 Request for examination