12 0

게이트 순환 신경망 기반 고장 예지 모형과 비주기적 예방보전 정책

Title
게이트 순환 신경망 기반 고장 예지 모형과 비주기적 예방보전 정책
Other Titles
Gated Recurrent Unit based Failure Prognosis Models and Non-periodic Preventive Maintenance Policies
Author
이주현
Advisor(s)
안선응
Issue Date
2019. 8
Publisher
한양대학교
Degree
Doctor
Abstract
최근 사물인터넷 기술의 발전으로 시스템의 운영 중 발생되는 데이터를 수집할 수 있는 건전성 모니터링 기술이 발전했다. 또한, 컴퓨팅 기술의 혁명으로 인해 딥러닝과 같은 빅 데이터 분석 방법론의 정확도가 높아짐에 따라, 설비에서 실시간으로 수집된 데이터를 단시간에 분석해 예측하는 것이 가능해 졌다. 이로 인해 현재 제조 현장은 스마트 공장으로 변화하고 있으며, 방대한 데이터를 분석하여 정확한 고장을 진단하고 예측하는 것이 중요하게 되었다. 또한, 공학 기술의 혁신으로 반도체 설비, 발전 설비, 항공기, 자동차, 선박과 같은 공학 시스템의 첨단화, 복잡화가 빠르게 진행되고 있다. 이러한 시스템은 기술 집약적이므로 도입에 큰 비용이 필요하며, 이로 인해 설비의 효율적인 유지관리 전략은 공학 분야에서 필수적인 요소이다. 공학 시스템은 수만 개 이상의 부품으로 구성되어 있으며, 시간이 지남에 따라 열화가 진행된다. 열화는 진행될수록 고장 발생 확률을 높인다. 이러한 시스템의 고장은 하위 시스템에서 발생하는 경미한 고장으로 시작돼 시스템이 정지되는 심각한 고장으로 이어진다. 모든 부품의 고장을 예측하여 사전에 방지할 수 있으면, 시스템의 심각한 고장을 막을 수 있다. 그러나, 이러한 유지보수를 수행하기에 비용적, 현실적 측면에서 어렵다. 따라서, 이러한 공학 시스템의 심각한 고장을 방지하고, 비용 효율적인 유지관리를 위한 유지보수 프레임워크를 개발한다. 개발한 프레임워크는 크게 두 개의 모형으로 구성되어 있다. 첫 번째 모형은 고장예지 및 건전성 관리 분야로 실시간 모니터링을 통해 수집된 데이터를 사용해 핵심 부품의 고장을 진단할 수 있는 건전성 지수를 구축하고 이를 기반으로 고장을 예측한다. 건전성 지수는 핵심 부품의 열화 상태를 나타내며, 단일 건전성 지수와 합성된 건전성 지수로 구분된다. 단일 건전성 지수는 리튬 이온 배터리의 용량, 베어링의 첨도와 같은 특징을 뜻한다. 제안하는 모형은 리튬 이온 배터리를 분석 대상으로 선정하여, 단일 건전성 지수 기반 고장 진단 및 예지 모형을 개발한다. 개발된 모형은 리튬 이온 배터리의 용량을 건전성 지수로 사용하며, 경험적 이중 지수 열화 모형과 파티클 필터를 통해 고장 발생 시점, 잔여수명, 수명의 확률 분포를 예측한다. 합성된 건전성 지수는 다수의 센서에서 실시간으로 수집된 데이터, 신호 처리를 통해 변환된 데이터와 같은 다차원으로 구성된 데이터를 특징 융합 기법을 통해 일 차원으로 변환된 값을 뜻한다. 공학 시스템의 핵심부품인 베어링을 분석 대상으로 선정하여, 합성된 건전성 지수 기반 고장 진단 및 예지 모형을 개발한다. 개발된 모형은 웨이블릿 패킷 변환을 사용하여 진동 신호의 시간-주파수 영역의 특징을 추출한다. 또한, 단조성, 상관성, 예측 가능성과 같은 기준을 도입하여 추출된 특징 중 고장 정보를 잘 나타내는 특징을 선정한다. 선정된 특징은 딥러닝 모형인 게이트 순환 신경망(GRU)을 사용하여, 합성된 건전성 지수인 GRU-HI를 구축한다. GRU-HI는 핵심 부품의 상태를 나타내는 지표로 0과 1 사이 값을 출력하며, 잔여수명 예측에 사용된다. 제안된 모형은 NASA PCoE 센터에서 제공하는 리튬 이온 배터리 데이터 셋과 베어링 데이터 셋을 이용하여 데이터 주도 고장 진단 및 예지 모형을 검증하며, 동일한 데이터 셋을 사용한 유사연구와 비교한다. 두 번째 모형은 예방보전 모형이며, 비 핵심 부품의 통합적 관리와 시스템의 높은 안전성과 신뢰도를 유지하기 위한 최적의 예방보전 스케줄링 모형이다. 개발된 모형은 고장률 임계 값과 조건부 신뢰도 임계 값을 각각 조건변수로 사용하며, 불완전한 예방보전을 모형화하기 위해 산술강도 감소모형과 하이브리드 고장률 모형을 사용한다. 개발된 예방보전 모형은 단위 시간당 기대 유지보수 비용을 최소화하는 것을 목표로 하며, 다양한 제약조건을 고려한다. 또한 8개의 Proposition과 1개의 Lemma를 통해 개발된 예방보전 모형의 구조적 특징과 유일성을 증명한다.
As IoT technology evolves, health-monitoring techniques that can collect data in real-time are advanced. In addition, with the revolution in computing technology, the accuracy of big-data analysis methodologies such as deep learning has become more accurate, and it is now possible to analyze and predict the data collected in real time on the system in a short time. As the manufacturing factory has recently become an intelligent smart factory, data-driven prognostics and health management has, being becomes an important technology to maintain the smart factory. In addition, with the innovation of engineering technology, engineering systems such as semiconductor facilities, power generation facilities, aircrafts, automobiles, and ships are rapidly becoming more advanced and complicated. These systems are technologically intensive and are costly to introduce, and hence, the determination of the efficient maintenance strategy for these systems is a key part of engineering field. The engineering systems are made up of tens of thousands of components and deteriorated over time. The more degradation progresses, the more probability of failure increases. These system's failures start with soft failures occurring in the subsystem, and then, spreads to a catastrophic failure that break the system. The catastrophic failure of the system can be prevented by the prediction for the failure of all parts. However, it is difficult to perform such an activity from a cost and practical point of view. Therefore, this study develops a maintenance framework to prevent the catastrophic failure of the engineering system and to establish the cost-effective maintenance activity. The developed maintenance framework consists largely of two models. The first model is the field of prognostics and health management. It aims to diagnose and predict a failure of the critical components. To achieve this aim, it is necessary to construct a health indicator using the collected data through real-time health monitoring. The health indicator indicates the state of the failure, and composed of the single health indicator and synthesized health indicator. The single health indicator implies the one-dimension feature such as the capacity of the lithium-ion battery and the kurtosis of bearing from the vibration signal. This study develops a single health indicator-based remaining useful life prediction model by selecting the lithium-ion battery as the target component. The developed model uses the capacity of the lithium ion battery as the health indicator, and predicts the probability distribution of the lifetime, RUL, and failure time through the empirical double exponential degradation model and the particle filter. The synthesized health indicator implies the transformed health indicator from a multi-dimensional to a one-dimensional using feature fusion technique. These techniques use the real-time data either collected by multi-sensor or transformed by signal process technique. This study selects the ball bearing as the target components, and the synthesized health indicator-based failure prognostics model is developed. The developed model extracts the time-frequency features using wavelet packet transform. In addition, the extracted features are selected using the criterion metric of monotonicity, correlation, and prognosability. The selected features well represent the degradation's information of critical component, and are used for constructing a GRUHI using the gated recurrent unit. GRU-HI is an indicator of the state of the critical components and outputs a value between 0 and 1, and it is used for remaining useful life prediction. The developed data - driven fault diagnosis and prognosis models are verified using the Lithium-ion battery datasets and bearing datasets provided by NASA PCoE center,and compared with similar studies using the same data set. The second model aims to develop an optimal preventive maintenance-scheduling model for the integrated management of noncritical components while maintaining the system's reliability and safety to high. The developed model uses the failure rate threshold and the conditional reliability threshold as the condition variables, respectively. To model the imperfect preventive maintenance activity, the arithmetic reduction of intensity model and the hybrid model are used. The developed preventive maintenance model aims at minimizing the expected maintenance cost per unit time and takes into account various constraints. It also demonstrates the structural properties and uniqueness of the preventive maintenance model developed through eight propositions and one Lemma.
URI
http://dcollection.hanyang.ac.kr/common/orgView/000000109819http://repository.hanyang.ac.kr/handle/20.500.11754/109857
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > INDUSTRIAL MANAGEMENT ENGINEERING(산업경영공학과) > Theses (Ph.D.)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE