KR20220042776A

KR20220042776A - 우선순위 의사결정 모델을 사용한 스팀트랩 유지보수 방법

Info

Publication number: KR20220042776A
Application number: KR1020200126013A
Authority: KR
Inventors: 김정환; 조형태; 노지원
Original assignee: 한국생산기술연구원
Priority date: 2020-09-28
Filing date: 2020-09-28
Publication date: 2022-04-05
Also published as: KR102390668B1

Abstract

본 발명은 (a) 과거의 공정 빅데이터를 분석하여 스팀트랩의 고장에 영향을 미치는 공정 파라미터 중에서 핵심 파라미터를 추출하는 단계; (b) 상기 스팀트랩의 고장확률을 분석하여 상기 핵심 파라미터의 상대점수(R)를 도출하는 단계; (c) 상기 핵심 파라미터의 상대점수(R)를 순위를 기준으로 상기 핵심 파라미터의 환산점수(C)로 변환하는 단계; (d) 상기 핵심 파라미터의 환산점수(C)의 가중치를 조절하여 계산된 최종 환산점수(C_Final)를 포함하는 우선순위 의사결정 모델을 구하는 단계; 및 (e) 상기 우선순위 의사결정 모델을 사용하여 유지보수가 필요한 스팀트랩을 선정하는 단계;를 포함하는 우선순위 의사결정 모델을 사용한 스팀트랩 유지보수 방법에 관한 것이다. 본 발명에 따른 우선순위 의사결정 모델을 사용한 스팀트랩 유지보수 방법은 유지보수 방법은 최적의 유지보수 우선순위 의사결정 모델을 개발함으로써, 효율적으로 스팀트랩을 관리할 수 있다.

Description

우선순위 의사결정 모델을 사용한 스팀트랩 유지보수 방법 {A MAINTENANCE METHOD OF STEAM TRAP USING PRIORITY DECISION MODEL}

본 발명은 스팀트랩 유지보수 방법에 관한 것으로서, 보다 상세하게는 우선순위 의사결정 모델을 사용한 스팀트랩 유지보수 방법에 관한 것이다.

스팀트랩은 스팀을 사용하는 장비 및 배관에서 생성되는 응축수를 배출하기 위해 사용하는 밸브이다. 일반 밸브와는 다르게 응축수의 유량 변화에 따라 개폐가 조절되는 자동 밸브로서, 응축수만을 배출하여 증기의 누설을 방지하고 잠열을 보존하기 때문에 공정의 에너지를 절감하고 스팀설비의 안정성을 유지한다.

그러나 스팀트랩이 정상적으로 작동하지 않을 경우 스팀의 온도를 떨어뜨리는 Cold와 스팀이 누설되는 Leak와 같은 문제를 일으키며, 심한 경우 배관 내에 체류된 응축수가 워터 해머링 현상을 일으켜 배관이나 장비를 파손하고 안전문제를 유발할 수 있다. 이러한 문제를 방지하기 위해서 스팀트랩의 유지보수는 매우 중요하다. 하지만 스팀트랩은 1개의 정유공장에 설치된 개수만 해도 약 4만여개가 넘는데 유지보수를 위해 1년에도 수차례 작업자가 직접 스팀트랩을 개별로 진단하기 때문에 유지보수에 소모되는 인적·시간적 자원소모가 크다.

따라서 막대한 시간적 인적 자원을 소모하는 비효율적인 기존의 스팀트랩 유지보수 방식을 효율적으로 수행할 수 있는 방법이 필요하다.

본 발명의 목적은 상기의 문제점을 해결하기 위한 것으로, 최적의 유지 보수 우선순위 의사결정 모델을 개발함으로써, 효율적으로 스팀트랩을 관리할 수 있는 스팀트랩 유지보수 방법을 제공하는데 있다.

또한 본 발명의 다른 목적은 스팀트랩의 유지보수 빅데이터를 이용하여 정성적으로만 판단가능했던 스팀트랩의 수명(고장)에 영향을 미치는 요인을 정량적으로 평가하여 진단(유지보수)의 우선순위를 설정함으로써, 유지보수에 소모되는 자원의 낭비를 막을 수 있는 스팀트랩 유지보수 방법을 제공하는데 있다.

또한 본 발명의 다른 목적은 진단(유지보수)의 우선순위를 설정하여 진단이 필요한 스팀트랩의 수를 줄이고, 고장확률이 높은 스팀트랩을 집중 관리함으로써 효율적으로 스팀트랩을 유지보수하기 위한 의사결정을 도울 수 있는 스팀트랩 유지보수 방법을 제공하는데 있다.

본 발명의 일 측면에 따르면, (a) 과거의 공정 빅데이터를 분석하여 스팀트랩의 고장에 영향을 미치는 공정 파라미터 중에서 핵심 파라미터를 추출하는 단계; (b) 상기 스팀트랩의 고장확률을 분석하여 상기 핵심 파라미터의 상대점수(R)를 도출하는 단계; (c) 상기 핵심 파라미터의 상대점수(R)를 순위를 기준으로 상기 핵심 파라미터의 환산점수(C)로 변환하는 단계; (d) 상기 핵심 파라미터의 환산점수(C)의 가중치를 조절하여 계산된 최종 환산점수(C_Final)를 포함하는 우선순위 의사결정 모델을 구하는 단계; 및 (e) 상기 우선순위 의사결정 모델을 사용하여 유지보수가 필요한 스팀트랩을 선정하는 단계;를 포함하는 우선순위 의사결정 모델을 사용한 스팀트랩 유지보수 방법 이 제공된다.

또한, 상기 공정 빅데이터는 스팀트랩의 유지보수에 관한 공정 빅데이터일 수 있다.

또한, 상기 핵심 파라미터가 스팀트랩의 고장빈도(frequency), 스팀트랩의 스펙(Specification) 및 스팀트랩의 설치 위치(location)로 이루어진 군으로부터 선택된 1종 이상을 포함할 수 있다.

또한, 단계 (b)의 상기 핵심 파라미터의 상대점수(R)는 스팀트랩의 고장빈도(frequency)에 따른 상대점수(R_F), 스팀트랩의 스펙(Specification)에 따른 상대점수(R_S) 및 스팀트랩의 설치 위치(location)에 따른 상대점수(R_L)로 이루어진 군으로부터 선택된 1종 이상을 포함할 수 있다.

또한, 상기 스팀트랩의 고장빈도(frequency)에 따른 상대점수(R_F)는 하기 식 1에 따라 계산될 수 있다.

[식 1]

R_F = (r_{av3 ·}X_-3) + (r_{av2 ·}X_-2) + (r_{av1 ·}X_-1)

상기 식 1에서,

r_av1, r_av2 및 r_av3 은 각각 독립적으로, 어느 하나의 분기를 기준으로 1분기, 2분기, 3분기 이전의 평균 상관계수이고,

X_-1, X_-2 및 X_-3은 각각 독립적으로 스팀트랩의 상태를 정량화한 값이다.

또한, 상기 평균 상관계수는 상기 과거의 공정데이터를 이용하여 어느 하나의 분기와 상기 어느 하나의 분기 이전의 분기와의 상관관계를 분석하고, 분기별 상관계수(r₁, r₂, r₃, … r_n, n은 1 내지 500의 정수)를 각각 도출한 후, 도출된 상기 분기별 상관계수를 이용하여 분기별 평균 상관계수(r_av1, r_av2, r_av3, … r_avn, n은 1 내지 500의 정수)를 각각 도출하여 구할 수 있다.

또한, 상기 스팀트랩의 스펙(Specification)에 따른 상대점수(R_S)는 상기 스팀트랩의 크기에 따른 상대점수 (R_Size), 상기 스팀트랩의 종류에 따른 상대점수 (R_Type) 및 상기 스팀트랩의 압력에 따른 상대점수(R_Pressure)의 합(R_Size+ R_Type+ R_Pressure)일 수 있다.

또한, 상기 스팀트랩의 크기에 따른 상대점수(R_Size)는 하기 식 2에 따라 계산되고, 상기 스팀트랩의 종류에 따른 상대점수(R_Type)는 하기 식 3에 따라 계산되고, 상기 스팀트랩의 압력에 따른 상대점수(R_Pressure)는 하기 식 4에 따라 계산될 수 있다.

[식 2]

R_Size = 2_·(P_Cold,_Size) + 8_·(P_Leak,_Size)

[식 3]

R_Type = 2_·(P_Cold,_Type) + 8_·(P_Leak,_Type)

[식 4]

R_Pressure = 2_·(P_Cold,_Pressure) + 8_·(P_Leak,_pressure)

상기 식 2 내지 4에서

P_Cold,_Size는 크기(Size)에 따른 콜드(Cold) 고장 발생확률이고,

P_Leak,_Size는 크기(Size)에 따른 리크(Leak) 고장 발생확률이고,

P_Cold,_Type는 종류(Type)에 따른 콜드(Cold) 고장 발생확률이고,

P_Leak,_Type는 종류(Type)에 따른 리크(Leak) 고장 발생확률이고,

P_Cold,_Pressure는 압력(Pressure)에 따른 콜드(Cold) 고장 발생확률이고

P_Leak,_pressure는 압력(Pressure)에 따른 리크(Leak) 고장 발생확률이다.

또한, 상기 스팀트랩의 설치 위치(location)에 따른 상대점수(R_L)은 하기 식 5에 따라 계산될 수 있다.

[식 5]

R_L = 2_·(P_Cold, _Location) + 8_·(P_Leak, _Location)

상기 식 5에서

P_Cold, _Location는 설치위치(location)에 따른 콜드(Cold) 고장 발생확률이고

P_Leak, _Location는 설치위치(location)에 따른 리크(Leak) 고장 발생확률이다.

또한, 단계 (c)의 상기 핵심 파라미터의 환산점수(C)는 스팀트랩의 고장빈도(frequency)에 따른 환산점수 (C_F), 스팀트랩의 스펙(Specification)에 따른 환산점수 (C_S) 및 스팀트랩의 설치 위치(location)에 따른 환산점수 (C_L)로 이루어진 군으로부터 선택된 1종 이상을 포함할 수 있다.

또한, 단계 (c)가 (c-1) 상기 핵심 파라미터의 상대점수(R)의 순위를 정하는 단계; (c-2) 상기 순위를 갖는 상기 핵심 파라미터의 상대점수(R)를 복수개의 그룹으로 구분하는 단계; 및 (c-3) 상기 복수개의 그룹을 상기 상대점수의 순위를 기준으로 상기 핵심 파라미터의 환산점수(C)로 변환하는 단계;를 포함할 수 있다.

또한, 단계 (d)의 상기 가중치는 고장빈도(frequency)에 따른 가중치(α), 설치 위치(location)에 따른 가중치(β) 및 스펙(Specification)에 따른 가중치 (γ)로 이루어진 군으로부터 선택된 1종 이상을 포함할 수 있다.

또한, 단계 (d)의 최종 환산점수(C_Final)는 하기 식 6에 따라 계산될 수 있다.

[식 6]

최종 환산점수(C_Final) = (α_·C_F) + (β_·C_L) + (γ_·C_S)

또한, 단계 (d)에서 결정한 상기 우선순위 의사결정 모델의 고장 예측률 및 고장 발생률을 검증하여 예측의 정확도를 판단하는 단계 (d');를 추가로 포함할 수 있다.

또한, 단계 (d')의 상기 고장 예측률이 하기 식 7에 따라 계산될 수 있다.

[식 7]

고장 예측률(%)=(검사가 필요한 위험 등급의 스팀트랩 수(N_R) 중에서 실제 고장난 스팀트랩 수 / 실제 고장난 스팀트랩 수) x 100

또한, 단계 (d')의 상기 고장발생률이 하기 식 8에 따라 계산될 수 있다.

[식 8]

고장 발생률(%)=(검사가 필요하지 않은 일반(normal) 등급의 스팀트랩 수 (N_N) 중에서 실제 고장난 스팀트랩 수 / 실제 고장난 스팀트랩 수) x 100

또한, 상기 스팀트랩 유지보수 방법은 단계 (d')의 상기 예측의 정확도가 기준치 미만인 경우, 상기 가중치를 조절하여 상기 우선순위 의사결정 모델을 개선하는 단계 (d'');를 추가로 포함하고, 개선된 상기 우선순위 의사결정 모델로 단계 (d) 및 (d')를 수행할 수 있다.

본 발명에 따른 우선순위 의사결정 모델을 사용한 스팀트랩 유지보수 방법은 최적의 유지 보수 우선순위 의사결정 모델을 개발함으로써, 효율적으로 스팀트랩을 관리할 수 있다.

또한 본 발명은 스팀트랩의 유지보수 빅데이터를 이용하여 정성적으로만 판단 가능했던 스팀트랩의 수명(고장)에 영향을 미치는 요인을 정량적으로 평가하여 진단(유지보수)의 우선순위를 설정함으로써, 유지보수에 소모되는 자원의 낭비를 막을 수 있다.

또한 본 발명은 진단(유지보수)의 우선순위를 설정하여 진단이 필요한 스팀트랩의 수를 줄이고, 고장확률이 높은 스팀트랩을 집중 관리함으로써 효율적으로 스팀트랩을 유지보수하기 위한 의사결정을 도울 수 있다.

또한 본 발명은 막대한 양의 스팀을 사용하는 정유 산업 등의 제조업에서 스팀 설비와 배관에 설치된 스팀트랩의 유지보수를 효율적으로 수행할 수 있어 파급효과가 크다.

도 1은 본 발명의 스팀트랩 유지보수 방법의 단계를 보여주는 알고리즘이다.
도 2는 본 발명의 어느 하나의 실시예에 따른 우선순위 의사결정 모델 도출 및 그를 이용한 스팀트랩 유지보수 방법의 단계를 보여주는 알고리즘이다.
도 3은 위치에 따른 스팀트랩의 고장횟수 및 고장률을 나타낸 그래프이다.
도 4는 케이스별 검사가 필요한 위험등급(grade 1 및 2)의 스팀트랩 수(N_R) 및 고장 예측률의 변화를 나타낸 그래프이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

또한, 이하에서 사용된 제1, 제 2등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성 요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.

또한, 어떤 구성요소가 다른 구성요소 상에 "형성되어" 있다거나 "적층되어" 있다고 언급될 때에는, 그 다른 구성요소의 표면 상의 전면 또는 일면에 직접 부착되어 형성되어 있거나 적층되어 있을 수도 있지만, 중간에 다른 구성요소가 더 존재할 수도 있다고 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서 "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요서, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

도 1은 본 발명의 스팀트랩 유지보수 방법의 단계를 보여주는 알고리즘이다. 이하, 도 1을 참조하여 본 발명의 스팀트랩 유지보수 방법에 대해 설명하도록 한다.

본 발명에서 COLD 고장은 응축수가 배출되지 않아 스팀트랩의 온도가 낮아져 정상범위를 벗어난 상태를 의미한다.

또한 본 발명에서 LEAK 고장은 응축수가 배출될 때 스팀이 누출되어 에너지 손실을 유발하는 상태를 의미한다.

또한 본 발명에서 분기는 기간을 나타내며, 예를 들어 하루, 일주일, 1개월, 2개월, 3개월, 6개월, 1년, 2년, 3년, 6년 등을 의미하며 이에 제한되지 않고 기간을 나타내는 단위는 제한 없이 사용할 수 있다. 본 발명의 실시예의 분기는 3개월을 의미한다.

본 발명은 (a) 과거의 공정 빅데이터를 분석하여 스팀트랩의 고장에 영향을 미치는 공정 파라미터 중에서 핵심 파라미터를 추출하는 단계; (b) 상기 스팀트랩의 고장확률을 분석하여 상기 핵심 파라미터의 상대점수(R)를 도출하는 단계; (c) 상기 핵심 파라미터의 상대점수(R)를 순위를 기준으로 상기 핵심 파라미터의 환산점수(C)로 변환하는 단계; (d) 상기 핵심 파라미터의 환산점수(C)의 가중치를 조절하여 계산된 최종 환산점수(C_Final)를 포함하는 우선순위 의사결정 모델을 구하는 단계; 및 (e) 상기 우선순위 의사결정 모델을 사용하여 유지보수가 필요한 스팀트랩을 선정하는 단계;를 포함하는 우선순위 의사결정 모델을 사용한 스팀트랩 유지보수 방법을 제공한다.

또한, 상기 핵심 파라미터가 스팀트랩의 고장빈도(frequency), 스팀트랩의 스펙(Specification), 스팀트랩의 설치 위치(location)으로 이루어진 군으로부터 선택된 1종 이상을 포함할 수 있다.

상기 스팀트랩의 스펙(Specification)은 스팀트랩의 크기(size), 스팀트랩의 압력(pressure) 및 스팀트랩의 종류(type)로 이루어진 군으로부터 1종 이상을 포함할 수 있고, 상기 스팀트랩의 크기는 6가지, 상기 스팀트랩의 압력은 3가지, 상기 스팀트랩의 종류는 5가지로 분류될 수 있다.

상기 상기 스팀트랩의 크기는 스팀트랩 파이프의 직경을 나타내고, 상기 스팀트랩의 설치 위치는 스팀트랩을 설치하는데 사용되는 공정의 유형에 따라 분류될 수 있다.

[식 1]

R_F = (r_av3·X_-3) + (r_av2·X_-2) + (r_av1·X_-1)

상기 식 1에서,

X_-1, X_-2 및 X_-3은 각각 독립적으로 스팀트랩의 상태를 정량화한 값이고, 바람직하게는 어느 하나의 분기를 기준으로 1분기, 2분기, 3분기 이전의 상태가 일반(normal)이면 0, 콜드(COLD)이면 1, 리크(LEAK)이면 2로 계산한다.

[식 2]

R_Size = 2·(P_Cold,_Size) + 8·(P_Leak,_Size)

[식 3]

R_Type = 2·(P_Cold,_Type) + 8·(P_Leak,_Type)

[식 4]

R_Pressure = 2·(P_Cold,_Pressure) + 8·(P_Leak,_pressure)

상기 식 2 내지 4에서

P_Cold,_Size는 크기(Size)에 따른 콜드(Cold) 고장 발생확률이고,

P_Leak,_Size는 크기(Size)에 따른 리크(Leak) 고장 발생확률이고,

P_Cold,_Type는 종류(Type)에 따른 콜드(Cold) 고장 발생확률이고,

P_Leak,_Type는 종류(Type)에 따른 리크(Leak) 고장 발생확률이고,

[식 5]

R_L = 2·(P_Cold, _Location) + 8·(P_Leak, _Location)

상기 식 5에서

바람직하게는 상기 핵심 파라미터의 상대점수(R)의 순위를 내림차순으로 정렬하고, 핵심 파라미터의 상대점수(R)를 3개의 그룹으로 구분하여 상기 핵심 파라미터의 상대점수(R)가 1.35 초과이면, 상기 핵심 파라미터의 환산점수(C)를 3으로 변환하고, 상기 핵심 파라미터의 상대점수(R)가 1.35 이상이고, 0.55 이하이면, 상기 핵심 파라미터의 환산점수(C)를 2로 변환하고, 상기 핵심 파라미터의 상대점수(R)가 0.55 미만이면, 상기 핵심 파라미터의 환산점수(C)를 1로 변환하는 단계일 수 있다.

[식 6]

최종 환산점수(C_Final) = (α·C_F) + (β·C_L) + (γ·C_S)

[식 7]

[식 8]

[실시예]

이하, 본 발명의 바람직한 실시예를 들어 설명하도록 한다. 그러나 이는 예시를 위한 것으로서 이에 의하여 본 발명의 범위가 한정되는 것은 아니다.

실시예 1: 스팀트랩 유지보수 방법

본 발명은 통계적 기법과 시스템의 신뢰성을 점검하는 Failure mode and effects analysis (FMEA) 방법에 모티브를 얻어 유지보수 우선순위를 설정하기 위한 의사결정 알고리즘과 계산 기준을 만들고 알고리즘에 맞춰 단계별로 적용하였다.

스팀트랩의 유지보수 우선순위를 설정하기 위해 스팀트랩의 유지보수에 관한 빅데이터를 이용하여 상관관계를 파악하고, 고장에 영향을 주는 파라미터를 발견했다. 고장확률이 크게 달라지는 스팀트랩의 고장빈도, 설치된 스팀트랩의 스펙, 스팀트랩의 설치 공정 위치 등을 주요 파라미터로 설정하고, 상기 주요 파라미터별로 고장에 기여하는 영향력에 따라 가중치를 설정하였다. 상기 주요 파라미터별 고장 확률과 가중치를 모두 감안하기 위해 스팀트랩의 고장 확률을 나타내는 상대점수 개념을 도입하고, 상대점수를 환산점수로 변환하여 상기 환산점수와 가중치의 곱으로 최종 환산점수를 계산하여 우선순위를 결정했다. 우선순위 설정 모델은 파라미터의 가중치에 따라 결과가 달라지기 때문에 예측률이 높은 모델을 도출하기 위해서 가중치를 다르게 설정하여 사례 연구를 수행하고 상기 모델을 개선했다. 또한, 실제 유지보수 데이터에 모델을 적용하여 예측 성능을 확인하였다.

이하, 도 2를 참고하여 설명한다. 본 발명은 스팀트랩 정비업체인 (주)야정으로부터 2010년부터 2019년까지 34,226개 스팀트랩의 정비이력 데이터를 빅데이터(공정데이터)로 제공받아 분석하였으며, 먼저 고장의 원인이 되는 핵심 파라미터로 고장 빈도, 설치 위치, 스팀트랩 스펙(크기, 종류 및 압력)을 추출하였다. 그리고 하기와 같이 우선순위 의사결정 모델을 개발하고, 이를 사용하여 스팀트랩을 유지보수하였다.

1) 핵심 파라미터 추출

하기 표 1에서 보는 바와 같이 스팀트랩을 설치하는데 사용되는 공정의 유형에 따라 영역이 104개의 위치로 나눌 수 있고, 각 위치에 해당하는 스팀트랩의 수를 기재하였다. 또한 도 3은 위치에 따른 스팀트랩의 고장횟수 및 고장률을 나타낸 그래프이다.

표 1 및 도 3을 참조하면, 스팀트랩의 총 개수에 관계없이 각 위치마다 고장 경향이 조금씩 다른 것을 것을 알 수 있었다. 또한 특정 위치에 설치된 트랩의 수와 고장빈도는 비례하지 않았고, 따라서 설치 위치(location)와 고장빈도를 고장에 영향을 미치는 핵심 파라미터로 선택하였다. 또한 스팀트랩의 고장빈도는 시간에 흐름에 따라 변화하는 거동을 보였다.

Location	The number of steam traps	Location	The number of steam traps
A	125	AF	1,180
B	242	AG	253
C	307	AH	1,101
D	279	AI	463
E	50	AJ	490
F	187	AK	639
G	411	AL	128
H	215	AM	400
I	54	AN	228
J	433	AO	331
K	123	AP	1,109
L	376	AQ	241
M	82	AR	291
N	338	AS	331
O	162	AT	194
P	1,011	AU	86
Q	491	AV	183
R	670	AW	59
S	165	AX	6
T	192	AY	137
U	171	AZ	72
V	154	BA	332
W	77	BB	108
X	68	BC	37
Y	497	BD	18
Z	99	BE	150
AA	101	BF	8
AB	300	BG	101
AC	344	BH	951
AD	239	BI	222
AE	931	BJ	9

또한 스팀트랩의 크기(size)는 스팀 트랩 배출 파이프(outlet pipe)의 직경을 의미하는 것으로, 배출구 크기에 따라 처리할 수 있는 응축수의 유량이 4,800kg / h 이상으로 달라질 수 있다. 따라서 적절한 크기를 선택하지 않으면 상당한 고장(결함)이 발생할 수 있어 핵심 파라미터로 선택하였다.

또한 스팀트랩의 유형(type)에 따라 고유한 장단점이 있으며, 각각 기능이 다르다. 만약 적절하지 않은 유형의 스팀트랩이 설치되는 경우, 응축수가 정체하여 수격 현상(water hammer)이 발생할 가능성이 높다. 따라서 특정 용도에 적합한 트랩을 선택해야 하므로 핵심 파라미터로 선택하였다.

또한 스팀트랩의 압력(pressure)은 각 압력 수준에 대한 고장확률을 계산했을 때 압력이 증가함에 따라 고장확률이 급격히 증가하여 고장에 영향을 미치는 핵심 파라미터로 선택하였다.

2) 핵심 파라미터별 Cold 및 Leak 고장의 발생확률 계산

고장확률은 스팀트랩의 스펙 및 설치 위치에 따른 Cold 및 Leak 발생 빈도를 이용하여 계산하였다. Cold 고장의 발생확률(P_Cold) 및 Leak 고장의 발생확률(P_Leak)은 각각 독립적으로 Cold 및 Leak 고장 수를 핵심 파라미터별 스팀트랩 개수로 나누어 계산하였으며, 하나의 예시로 압력에 따른 Cold 고장의 발생확률(P_Cold)을 구하기 위한 데이터를 하기 표 2에 기재하였다.

Pressure	압력별 스팀트랩의 개수 (1)	지난 5분기 동안 발생한 Cold 고장수 (2)	지난 1분기 동안 발생한 Cold 고장수 (3)	P_Cold(4)
150	28,763	23,249	4,649	16%
300	4,986	2,680	536	11%
600	477	245	49	10%

상기 표 1의 데이터를 이용하여 압력에 따른 Cold 고장의 발생확률(P_Cold, Pressure)은 지난 5분기 동안 발생한 Cold 고장수 (2)를 5로 나눠 1분기 동안 발생한 Cold 고장수(3)으로 평균화한 뒤에 (3)을 압력별 스팀트랩의 개수 (1)로 나눠 계산하였다.

3) 분기별 상관관계 분석

하기 표 3에 어느 하나의 분기를 기준으로 1분기, 2분기 및 3분기 이전의 상관계수(r₁, r₂, r₃)를 각각 기재하였으며, 상기 1분기, 2분기 및 3분기 이전의 상관계수(r₁, r₂, r₃)를 이용하여 1분기, 2분기 및 3분기 이전의 평균 상관계수(r_av1, r_av2, r_av3)를 각각 구하였다. 상기 상관계수는 이전 분기가 어느 하나의 분기의 스팀트랩의 상태에 미치는 영향의 정도를 나타낸다.

	3분기 전 상관계수(r₃)	2분기 전 상관계수(r₂)	1분기 전 상관계수(r₁)
2011. 1분기	0.4565	0.5223	0.6206
2011. 2분기	0.5222	0.5333	0.6712
2011. 3분기	0.4750	0.5932	0.7533
2011. 4분기	0.6411	0.7198	0.7399
2012. 1분기	0.5889	0.5617	0.6395
2012. 2분기	0.5147	0.5283	0.7269
2012. 3분기	0.4928	0.6518	0.8243
2012. 4분기	0.6537	0.6062	0.7458
2013. 1분기	0.5276	0.5972	0.7996
2013. 2분기	0.5853	0.6453	0.7549
2013. 3분기	0.5799	0.6226	0.7983
2013. 4분기	0.6162	0.6280	0.7165
2014. 1분기	0.4895	0.5060	0.6912
2014. 2분기	0.5492	0.5707	0.7728
2014. 3분기	0.5027	0.6435	0.7810
2015. 1분기	0.6745	0.6453	0.6982
2015. 2분기	0.6646	0.7030	0.7739
2015. 3분기	0.6392	0.6774	0.7668
평균 상관계수(r_av)	0.5652(r_av3)	0.6086(r_av2)	0.7375(r_av1)

상기 표 3을 참조하면, 하나의 예시로 2011. 1분기에 대하여 2010. 2분기(3분기 전), 2010. 3분기(2분기 전) 및 2010. 4분기(1분기 전)의 영향은 각각 0.4565, 0.5223 및 0.6206인 것으로 나타났다.

또한 상관계수를 연대순으로 나열한 결과, 가장 오래된 것부터 최신 것까지 3분기, 2분기, 1분기 이전의 평균 상관계수는 0.5652, 0.6086, 0.7375로 나타났다. 따라서 기준 분기의 직전 분기가 가장 높은 상관 계수를 보이는 것으로 확인되었다.

4) 핵심 파라미터별 상대점수 계산

스팀트랩의 고장빈도(frequency)에 따른 상대점수(R_F)는 하기 식 1에 따라 계산되었다. 스팀트랩 상태는 일반(normal), 콜드(COLD) 및 리크(LEAK)로 나타낼 수 있고, 유지보수 및 검사가 필요한 시간을 기준으로 지난 3분기 동안 일반(normal)의 경우 0, 콜드(Cold)의 경우 1, 리크(Leak)의 경우 2로 정량화하여 X_-3, X_-2 및 X_-1에 대입하여 계산하였다.

[식 1]

R_F = (r_{av3 ·}X_-3) + (r_{av2 ·}X_-2) + (r_{av1 ·}X_-1)

상기 식 1에서, r_av3, r_av2 및 r_av1은 3) 분기별 상관관계 분석방법으로 도출할 수 있고, 각각 독립적으로 0.5652, 0.6086, 0.7375이었다(상기 표 3 참조).

또한 스팀트랩의 스펙(Specification)에 따른 상대점수(R_S) 및 스팀트랩의 설치 위치(location)에 따른 상대점수(R_L)는 각각 스펙 및 설치 위치에 따른 Cold 고장의 발생확률(P_Cold) 및 Leak 고장의 발생확률(P_Leak)을 사용하여 하기 표 4에 기재된 식으로 계산되었고, Cold 고장의 발생확률(P_Cold) 및 Leak 고장의 발생확률(P_Leak)은 상기 2) 핵심 파라미터별 Cold 및 Leak 고장의 발생확률 계산 방법과 동일하게 계산되었다.

이때, 스팀트랩의 스펙에 따른 상대점수(R_S)는 스팀트랩의 크기에 따른 상대점수(R_Size), 스팀트랩의 종류에 따른 상대점수(R_Type) 및 스팀트랩의 압력에 따른 상대점수(R_Pressure)의 합으로 계산되고, 에너지 손실 측면에서, LEAK 고장이 COLD 고장보다 더 중요하기 때문에 COLD 및 LEAK의 가중치 계수는 각각 2와 8로 계산되었다.

스펙에 따른 상대점수(R_S)	크기에 따른 상대점수(R_Size)	[식 2] 2_·(P_{Cold, Size}) + 8_·(P_{Leak, Size})
	종류에 따른 상대점수(R_Type)	[식 3] 2_·(P_{Cold, Type}) + 8_·(P_{Leak, Type})
	압력에 따른 상대점수(R_Pressure)	[식 4] 2_·(P_{Cold, Pressure}) + 8_·(P_{Leak, Pressure})
설치위치에 따른 상대점수(R_L)		[식 5] 2_·(P_{Cold, Location}) + 8_·(P_{Leak, Location})

5) 핵심 파라미터별 환산점수 계산

상기 4) 핵심 파라미터별 상대점수 계산방법에 따라 계산된 상대점수(R_F, R_S, R_L)를 일정범위를 기준으로 하여 환산점수(C_F, C_S, C_L)로 변환하였고, 그 범위를 하기 표 5 내지 표 7에 기재하였다. 상대점수를 가장 높은 점수부터 내림차순으로 정렬한 경우, 1 및 2등급은 상위 30%, 3등급은 하위 70%에 해당하며, 상위 30%에 해당하는 1 및 2등급의 경우 검사가 필요한 위험 등급이다.

등급(grade)	R_F의 범위	C_F
1	1.35< R_F	3
2	0.55≤ R_F ≤1.35	2
3	R_F <0.55	1

등급(grade)	R_S의 범위	C_S
1	1.35< R_S	3
2	0.55≤ R_S ≤1.35	2
3	R_SL <0.55	1

등급(grade)	R_L의 범위	C_L
1	1.35< R_L	3
2	0.55≤ R_L ≤1.35	2
3	R_L <0.55	1

6) 최종 환산점수 계산

최종 환산점수(C_Final)는 하기 식 6에 따라 계산되었다. 상기 최종 환산점수(C_Final)는 100점을 기준으로 하며, 계산된 최종 환산점수(C_Final)가 높을수록 우선순위로 진단해야 할 것이 권장된다. 우선순위가 높게 선정된 스팀트랩은 스팀트랩을 설치하는 데 사용되는 공정의 유형에 따라 나누어 표시하여 작업자의 의사결정을 돕는다. 최종 환산점수의 범위는 가장 높은 점수부터 내림차순으로 정렬했을 때 상위 30% 이내에 해당하는 경우 필수적으로 진단이 권장되며 최하위 점수의 스팀트랩은 제외된다. 상위 30% 외의 정확한 우선순위를 정하지 않는 이유는 최종 환산점수의 점수분포가 핵심 파라미터별 가중치에 따라 개수가 달라지기 때문이다. 따라서 계산을 수행하여 최하위 점수를 제외한 스팀트랩은 차순위 진단 필요 스팀트랩으로 분류된다. 최하위 점수의 스팀트랩을 제외하는 이유는 최하위 점수를 포함할 경우 우선순위를 지정할 필요성이 없기 때문이다.

또한 핵심 파라미터별로 고장에 미치는 영향이 다르기 때문에 각각의 핵심 파라미터의 가중치에 따라 고장 예측 모델의 정확도가 달라진다. 정확도가 높은 고장 예측 모델을 개발하기 위해 가중치(α, β, γ)를 적용하여 최종 환산점수(C_Final)를 계산하였고, α, β 및 γ는 각각 독립적으로 고장빈도, 위치 및 스펙에 대한 가중치이다.

[식 6]

최종 환산점수(C_Final) = (α·C_F) + (β·C_L) + (γ·C_S)

7) 가중치 α, β 및 γ의 케이스 연구

세 가지 핵심 파라미터의 가중치와 중요성을 결정하기 위해 사례 연구를 수행했으며, 하기 표 8에 각각의 가중치를 다르게 설정하여 Case A 내지 D를 나타냈다.

구분	가중치
구분	α	β	γ
Case A	60	10	30
Case B	50	30	20
Case C	50	30	20
Case D	40	35	25

상기 표 8의 케이스별 가중치를 사용하여 하기 표 9에 케이스별 가중치(α, β, γ)에 고장빈도, 위치 및 스펙에 대한 해당 환산점수를 곱하여 계산된 점수를 나타냈다.

Case A				Case B				Case C				Case D
grade	1	2	3	grade	1	2	3	grade	1	2	3	grade	1	2	3
α=60	15	45	60	α=50	20	35	50	α=50	20	35	50	α=40	15	25	40
β=10	2	5	10	β=30	10	20	30	β=30	10	25	30	β=35	10	20	35
γ=30	10	20	30	γ=20	10	15	20	γ=20	10	15	20	γ=25	10	15	25

케이스를 선정하기 위한 지표로 고장 예측률과 고장 발생률을 계산하여 비교하였다.

고장 예측률(하기 식 7)은 검사가 필요한 위험 등급의 스팀트랩 수 (Number of steam traps in risk grade requiring inspection, N_R) 중에서 실제 고장난 스팀트랩 수와 실제로 고장난 스팀트랩 수의 비율이다. 계산된 값이 클수록 예측의 정확도가 높음을 의미한다.

[식 7]

또한 고장 발생률 (하기 식 8)은 검사가 필요하지 않은 일반(normal) 등급의 스팀트랩 수 (Number of normal-grade steam traps that do not require inspection, N_N) 중에서 실제 고장난 스팀트랩 수와 실제로 고장난 스팀트랩 수의 비율이다.

[식 8]

하나의 예시로, 2016년 상반기의 34,226 개 스팀트랩 데이터를 예측 목표로 설정하고, 반년(semi-annual period)동안 실제로 고장(결함)이 발생한 스팀트랩의 수는 4,072개였다.

	Case A	Case B	Case C	Case D
N_R	10,348	11,465	11,465	15,087
N_N	23,878	22,761	22,761	19,139
Total failures	4,072	4,072	4,072	4,072
Number of failures among N_R	3,627	3,667	3,667	3,185
Number of failures among N_N	445	405	405	887
고장 예측율	89.07%	90.05%	90.05%	78.22%
고장 발생율	1.86%	1.78%	1.78%	4.63%

상기 표 10은 케이스별 가중치(α, β, γ) 변화에 따른 고장 예측률과 고장 발생률을 나타낸 것으로, 다른 경우에 비해 Case B가 가장 높은 고장 예측률과 가장 낮은 고장 발생률을 나타냈고, Case B가 가장 좋은 케이스로 해석될 수 있다.

또한 도 4는 케이스별 N_R 및 고장 예측률의 변화를 나타낸 그래프이고, Case A와 Case B를 비교했을 때, Case B의 고장 예측률이 Case A에 비해 개선된 것을 확인할 수 있었다. 상기 표 8의 케이스별 가중치(α, β, γ)를 참조하여 비교하면, Case A에 비해 Case B의 β가 증가하고 γ가 감소한 것을 확인할 수 있다. 따라서 가중치의 변화로 인해 Case A의 고장 발생률이 증가했다고 판단할 수 있다. 이전 조사 결과에 따르면 압력, 온도 등 실제 작동 조건은 공정에 따라 다양하지만, 스팀트랩 고장빈도는 현재 스팀트랩 상태와 큰 연관성이 있다.

또한 Case B 와 Case C는 동일한 고장 예측률과 N_R을 나타냈으며, 상기 표 9에서 β=30일 때, Case B와 Case C의 Grade 2의 값이 달랐으나, 최종 결과에는 차이가 없었다.

또한 Case B와 Case D의 결과를 비교했을 때 Case B의 고장 예측률이 상당히 높았고, NR은 약 3,600으로 나타났다. 상기 표 8을 참조하면 Case B와 Case D에 대해 α가 감소하고 β와 γ가 증가하는 것을 확인할 수 있고, 결과와 가중치 사이의 상관 관계는 고장빈도> 위치> 스펙 순으로 추론할 수 있었다.

케이스 연구 결과에서 가장 높은 고장 예측률을 보여주는 Case B를 기반으로, 점검이 필요한 스팀트랩의 수는 34,226개에서 11,465개로 67% 감소했으며, 고장 예측률은 90.05 %로 높은 예측 성능을 나타냈다.

예측 정확도를 비교하기 위해, Case B에 따른 가중치를 적용하여 2011년도부터 2014년도까지 연도별 1분기의 스팀트랩 고장 예측률을 비교하였고, 그 결과를 하기 표 11에 기재하였다. 총 스팀트랩 데이터 수는 18,996개이다. 2011년 1분기부터 2014년 1분기까지 총 4분기의 스팀트랩의 고장 예측률을 비교한 결과 최소 93.59%의 높은 정확도를 나타냈다. 또한 고장 발생률은 평균 2.775 %로 확인되었다.

	2011년 1분기	2012년 1분기	2013년 1분기	2014년 1분기
N_R	15,140	14,990	14,965	14,883
N_N	3,856	4,006	4,031	4,113
Total failures	2,476	2,989	3,296	3,650
Number of failures among N_R	2,366	2,958	3,224	3,416
Number of failures among N_N	120	31	72	234
고장 예측율	95.56%	98.96%	97.82%	93.59%
고장 발생율	2.85%	0.77%	1.79	5.69%

결과적으로 케이스 연구 결과, 가중치가 각각 α = 50, β = 30, γ = 20 인 Case B에서 예측 모델의 정확도가 가장 높은 것으로 확인되었다. 유지보수 우선순위는 최종 환산점수(C_Final)에 따라 결정되었고, 스팀트랩은 유지보수가 필요한 것과 생략 가능한 것으로 분류할 수 있었다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허 청구 범위에 의하여 나타내어지며, 특허 청구 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims

(a) 과거의 공정 빅데이터를 분석하여 스팀트랩의 고장에 영향을 미치는 공정 파라미터 중에서 핵심 파라미터를 추출하는 단계;
(b) 상기 스팀트랩의 고장확률을 분석하여 상기 핵심 파라미터의 상대점수(R)를 도출하는 단계;
(c) 상기 핵심 파라미터의 상대점수(R)를 순위를 기준으로 상기 핵심 파라미터의 환산점수(C)로 변환하는 단계;
(d) 상기 핵심 파라미터의 환산점수(C)의 가중치를 조절하여 계산된 최종 환산점수(C_Final)를 포함하는 우선순위 의사결정 모델을 구하는 단계; 및
(e) 상기 우선순위 의사결정 모델을 사용하여 유지보수가 필요한 스팀트랩을 선정하는 단계;를
포함하는 우선순위 의사결정 모델을 사용한 스팀트랩 유지보수 방법.
제1항에 있어서,
상기 공정 빅데이터는 스팀트랩의 유지보수에 관한 공정 빅데이터인 것을 특징으로 하는 스팀트랩 유지보수 방법.
제1항에 있어서,
상기 핵심 파라미터가 스팀트랩의 고장빈도(frequency), 스팀트랩의 스펙(Specification) 및 스팀트랩의 설치 위치(location)로 이루어진 군으로부터 선택된 1종 이상을 포함하는 것을 특징으로 하는 스팀트랩 유지보수 방법.
제1항에 있어서,
단계 (b)의 상기 핵심 파라미터의 상대점수(R)는 스팀트랩의 고장빈도(frequency)에 따른 상대점수(R_F), 스팀트랩의 스펙(Specification)에 따른 상대점수(R_S) 및 스팀트랩의 설치 위치(location)에 따른 상대점수(R_L)로 이루어진 군으로부터 선택된 1종 이상을 포함하는 것을 특징으로 하는 스팀트랩 유지보수 방법.
제4항에 있어서,
상기 스팀트랩의 고장빈도(frequency)에 따른 상대점수(R_F)는 하기 식 1에 따라 계산되는 것을 특징으로 하는 스팀트랩 유지보수 방법.
[식 1]
R_F = (r_av3·X_-3) + (r_av2·X_-2) + (r_av1·X_-1)
상기 식 1에서,
r_av1, r_av2 및 r_av3 은 각각 독립적으로, 어느 하나의 분기를 기준으로 1분기, 2분기, 3분기 이전의 평균 상관계수이고,
X_-1, X_-2 및 X_-3은 각각 독립적으로 스팀트랩의 상태를 정량화한 값이다.
제5항에 있어서,
상기 평균 상관계수는
상기 과거의 공정데이터를 이용하여 어느 하나의 분기와 상기 어느 하나의 분기 이전의 분기와의 상관관계를 분석하고, 분기별 상관계수(r₁, r₂, r₃, … r_n, n은 1 내지 500의 정수)를 각각 도출한 후, 도출된 상기 분기별 상관계수를 이용하여 분기별 평균 상관계수(r_av1, r_av2, r_av3, … r_avn, n은 1 내지 500의 정수)를 각각 도출하여 구하는 것을 특징으로 하는 스팀트랩 유지보수 방법.
제4항에 있어서,
상기 스팀트랩의 스펙(Specification)에 따른 상대점수(R_S)는 상기 스팀트랩의 크기에 따른 상대점수 (R_Size), 상기 스팀트랩의 종류에 따른 상대점수 (R_Type) 및 상기 스팀트랩의 압력에 따른 상대점수(R_Pressure)의 합(R_Size+ R_Type+ R_Pressure)인 것을 특징으로 하는 스팀트랩 유지보수 방법.
제7항에 있어서,
상기 스팀트랩의 크기에 따른 상대점수(R_Size)는 하기 식 2에 따라 계산되고,
상기 스팀트랩의 종류에 따른 상대점수(R_Type)는 하기 식 3에 따라 계산되고,
상기 스팀트랩의 압력에 따른 상대점수(R_Pressure)는 하기 식 4에 따라 계산되는 것을 특징으로 하는 스팀트랩 유지보수 방법.
[식 2]
R_Size = 2·(P_Cold,_Size) + 8·(P_Leak,_Size)
[식 3]
R_Type = 2·(P_Cold,_Type) + 8·(P_Leak,_Type)
[식 4]
R_Pressure = 2·(P_Cold,_Pressure) + 8·(P_Leak,_pressure)
상기 식 2 내지 4에서
P_Cold,_Size는 크기(Size)에 따른 콜드(Cold) 고장 발생확률이고,
P_Leak,_Size는 크기(Size)에 따른 리크(Leak) 고장 발생확률이고,
P_Cold,_Type는 종류(Type)에 따른 콜드(Cold) 고장 발생확률이고,
P_Leak,_Type는 종류(Type)에 따른 리크(Leak) 고장 발생확률이고,
P_Cold,_Pressure는 압력(Pressure)에 따른 콜드(Cold) 고장 발생확률이고
P_Leak,_pressure는 압력(Pressure)에 따른 리크(Leak) 고장 발생확률이다.
제4항에 있어서,
상기 스팀트랩의 설치위치(location)에 따른 상대점수(R_L)은 하기 식 5에 따라 계산되는 것을 특징으로 하는 스팀트랩 유지보수 방법.
[식 5]
R_L = 2·(P_Cold, _Location) + 8·(P_Leak, _Location)
상기 식 5에서
P_Cold, _Location는 설치위치(location)에 따른 콜드(Cold) 고장 발생확률이고
P_Leak, _Location는 설치위치(location)에 따른 리크(Leak) 고장 발생확률이다.
제1항에 있어서,
단계 (c)의 상기 핵심 파라미터의 환산점수(C)는 스팀트랩의 고장빈도(frequency)에 따른 환산점수 (C_F), 스팀트랩의 스펙(Specification)에 따른 환산점수 (C_S) 및 스팀트랩의 설치 위치(location)에 따른 환산점수 (C_L)로 이루어진 군으로부터 선택된 1종 이상을 포함하는 것을 특징으로 하는 스팀트랩 유지보수 방법.
제1항에 있어서,
단계 (c)가
(c-1) 상기 핵심 파라미터의 상대점수(R)의 순위를 정하는 단계;
(c-2) 상기 순위를 갖는 상기 핵심 파라미터의 상대점수(R)를 복수개의 그룹으로 구분하는 단계; 및
(c-3) 상기 복수개의 그룹을 상기 상대점수의 순위를 기준으로 상기 핵심 파라미터의 환산점수(C)로 변환하는 단계;를 포함하는 것을 특징으로 하는 스팀트랩 유지보수 방법.
제1항에 있어서,
단계 (d)의 상기 가중치는 고장빈도(frequency)에 따른 가중치(α), 설치 위치(location)에 따른 가중치(β) 및 스펙(Specification)에 따른 가중치 (γ)로 이루어진 군으로부터 선택된 1종 이상을 포함하는 것을 특징으로 하는 스팀트랩 유지보수 방법.
제12항에 있어서,
단계 (d)의 최종 환산점수(C_Final)는 하기 식 6에 따라 계산되는 것을 특징으로 하는 스팀트랩 유지보수 방법.
[식 6]
최종 환산점수(C_Final) = (α·C_F) + (β·C_L) + (γ·C_S)
제1항에 있어서,
단계 (d)에서 결정한 상기 우선순위 의사결정 모델의 고장 예측률 및 고장 발생률을 검증하여 예측의 정확도를 판단하는 단계 (d');를 추가로 포함하는 것을 특징으로 하는 스팀트랩 유지보수 방법.
제14항에 있어
단계 (d')의 상기 고장 예측률이 하기 식 7에 따라 계산되는 것을 특징으로 하는 스팀트랩 유지보수 방법.
[식 7]
고장 예측률(%)=(검사가 필요한 위험 등급의 스팀트랩 수(N_R) 중에서 실제 고장난 스팀트랩 수 / 실제 고장난 스팀트랩 수) x 100
제14항에 있어
단계 (d')의 상기 고장발생률이 하기 식 8에 따라 계산되는 것을 특징으로 하는 스팀트랩 유지보수 방법.
[식 8]
고장 발생률(%)=(검사가 필요하지 않은 일반(normal) 등급의 스팀트랩 수 (N_N)중세서 실제 고장난 스팀트랩수 / 실제 고장난 스팀트랩 수) x 100
제15항에 있어서,
상기 스팀트랩 유지보수 방법은
단계 (d')의 상기 예측의 정확도가 기준치 미만인 경우,
상기 가중치를 조절하여 상기 우선순위 의사결정 모델을 개선하는 단계 (d'');를 추가로 포함하고,
개선된 상기 우선순위 의사결정 모델로 단계 (d) 및 (d')를 수행하는 것을 특징으로 하는 스팀트랩 유지보수 방법.