개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국마린엔지니어링학회 Journal of Advanced Marine Engineering and Technology (JAMET) 한국마린엔지니어링학회지 제43권 제6호
- 발행연도
- 2019.7
- 수록면
- 455 - 462 (8page)
- DOI
- 10.5916/jkosme.2019.43.6.455
이용수
DBpia Top 1%동일한 주제분류 기준으로최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
초록· 키워드
오류제보하기
산업 현장에서의 기계 및 장비의 고장은 큰 인명피해 및 재산적 피해를 유발시키므로, 시스템의 상태를 실시간으로 파악하는 것이 매우 중요하다. 최근 4차 산업 혁명(Industry 4.0)으로 인해 기계 설비의 자동화/자율화를 위한 연구가 활발히 진행되고 있다. 특히, SVM(Support Vector Machine), RF(Random Forest) 알고리즘을 활용하여 기계 및 장비의 고장을 예측하고 대응할 수 있는 장비 예지보전 기술에 관해 많이 연구되고 있다. 본 논문에서는 기계학습(Machine learning; ML)을 이용한 베어링의 고장 예측에 관한 연구를 진행하였으며, DNN을 포함한 다양한 기계학습 알고리즘의 적용을 통하여 베어링의 고장 예측에 적합한 알고리즘에 대하여 기술하였다. 베어링의 고장 예측 알고리즘을 5단계(데이터 전처리, 특징 선택, 데이터 분할, 예측 모델 구성, 예측 모델 개선)로 나누어 설명한다. 본 논문의 결과를 활용하여 베어링의 고장 예측뿐만 아니라 다양한 기계 및 장비의 고장을 예측하는 문제에 적용할 수 있다. 또한, 본 논문의 결과를 활용하여 실시간 기계장비의 상태 모니터링 시스템 및 잔여수명 예측에 관한 연구로 확장해 나갈 것이다.
목차
요약
Abstract
1. 서론
2. 기계학습 알고리즘
3. 분류 알고리즘을 활용한 베어링 고장 진단
4. 결론 및 향후 연구
References
참고문헌 (17)
참고문헌 신청
J. H. Cho / 2017 / [Issue focus] The Age of Industry 4.0and speed / Journal of Electrical World Monthly Magazine 483:16~19
S. W. Lee / 2018 / Intelligent failure prognosis and health management system technology for smart factory / Journal of The Korean Society of Mechanical Engineers 58(9):32~36
J. H. Choi / 2013 / Introduction of failure prognosis and P.H.M / Journal of The Korean Society of Mechanical Engineers 53(7):24~34
M. Y. Kim / 2017 / Health diagnosis method for journal bearing rotor systems using deep learning technique / Abstracts of the KSNVE Annual Autumn Conference :242
김양석 / 2013 / 서포트 벡터 머신을 이용한 볼 베어링의 결함 정도 진단 / 대한기계학회논문집 B 37(6):551~558
S. W. Lee / 2018 / Intelligent failure prognosis and health management system technology for smart factory / Journal of The Korean Society of Mechanical Engineers 58(9):32~36
J. H. Choi / 2013 / Introduction of failure prognosis and P.H.M / Journal of The Korean Society of Mechanical Engineers 53(7):24~34
M. Y. Kim / 2017 / Health diagnosis method for journal bearing rotor systems using deep learning technique / Abstracts of the KSNVE Annual Autumn Conference :242
김양석 / 2013 / 서포트 벡터 머신을 이용한 볼 베어링의 결함 정도 진단 / 대한기계학회논문집 B 37(6):551~558
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
시계열 데이터와 다양한 기계학습법을 이용한 기계시스템에 대한 고장 진단 방법
대한기계학회 춘추학술대회
2015 .11
-
합성곱 신경망 알고리즘을 활용한 베어링 다중 고장 진단 모델 개발
한국정밀공학회 학술발표대회 논문집
2021 .11
-
최적의 시스템 신뢰성 지원을 위한 머신러닝 기반의 장애 예측 기법
전자공학회논문지
2021 .01
-
터보기계 구름접촉 베어링의 고장 및 잔존수명 예측 기술
한국추진공학회 학술대회논문집
2022 .05
-
반도체 장비의 출하검사 데이터와 고장이력 데이터를 활용한 장비의 고장여부 및 최초 고장시점 예측
대한산업공학회 추계학술대회 논문집
2020 .11
-
기계학습을 이용한 공작기계 강성 예측 모델
한국정밀공학회 학술발표대회 논문집
2022 .10
-
Data Preprocessing and Machine Learning Techniques for Detection and Classification of Bearing Faults
한국소음진동공학회 학술대회논문집
2019 .10
-
설비 고장의 위험도 평가예측 및 위험도 진단모델
한국정보과학회 학술발표논문집
2023 .06
-
예측 진단 알고리즘을 이용한 스마트 카 지능형 휠 허브 베어링 임베디드 시스템 개발
한국컴퓨터정보학회논문지
2023 .10
-
SVM 기법을 적용한 구름베어링의 부식 고장진단
한국기계가공학회지
2021 .09
-
머신러닝 알고리즘을 활용한 베어링 고장 진단 모델 개발
한국생산제조학회 학술발표대회 논문집
2021 .12
-
오일윤활 베어링의 메탈온도 특성을 고려한 고속 회전기계의 고장진단
한국소음진동공학회 학술대회논문집
2017 .04
-
머신러닝 알고리즘을 이용한 회전체 베어링의 잔여수명 예측
한국정밀공학회 학술발표대회 논문집
2019 .05
-
오픈소스와 기계학습을 활용한 단일 모터 고장 진단 및 내고장 제어기법 연구
한국항공우주학회 학술발표회 초록집
2022 .11
-
기계학습 알고리즘 이용한 약물 반응 예측
대한전자공학회 학술대회
2019 .11
-
산업 데이터 분석을 위한 통계 및 기계학습 모형의 예측 성능 비교
한국생산제조학회 학술발표대회 논문집
2017 .04
-
베어링 고장 진단을 위한 CNN 기반 딥러닝의 계산 복잡도 감소 기법
디지털콘텐츠학회논문지
2023 .06
-
기계학습 모델별 공조시스템 고장현상 검출 및 진단성능 평가
대한설비공학회 학술발표대회논문집
2018 .11
-
고장물리기반의 고장분석
한국철도학회 학술발표대회논문집
2015 .05
-
이수 순환 시스템의 장비 고장 예측 장치 및 방법
대한기계학회 춘추학술대회
2021 .05
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0