Machine Fault Diagnosis and Condition Prognosis using Adaptive Neuro-Fuzzy Inference System and Classification and Regression Trees : 기계 결함진단 및 예지를 위한 ANFIS 와 CART

Van Tung Tran 부경대학교 대학원 2009 국내박사

Sustaining the productivity is a key strategy of manufacturers to exist on the drastic competition of global market. In order to keep up the productivity, manufacturers need to reduce the manufacturing costs by using maintenance due to its major part of the total costs of the manufacturing process. Consequently, a good maintenance strategy plays a crucial role in the existence and development of the organizations. Additionally, in accompany with the fast development of technology, the equipment becomes more and more complex. The traditional maintenance strategies such as corrective maintenance and prescheduled maintenance cannot guarantee the functional operation of equipments and are progressively replaced by intelligent maintenance strategies in which condition based maintenance is one of the delegates. Condition-based maintenance has been defined as maintenance actions which are based on actual conditions of equipments obtained from nondestructive inspections, operations and condition measurements. This means that the equipment condition is accessed under operation for making conclusions whether that equipment will be failed and the effective maintenance actions are necessary to avoid the consequences of that failure or not. The use of condition-based maintenance systems ensures that the condition of equipment is always monitored and alarm limitations can be indicated if the condition exceeds predefined levels. In condition-based maintenance system, fault diagnosis and condition prognosis are crucial components which have been considerably received much attention from the community of researchers and maintainers. Fault diagnosis is the ability to detect fault, isolate the component which is failure, and decide on the potential impact of failed component on the health of the system; while condition prognosis is defined as a capability to foretell the future states, predict the remaining useful life ? the time left for the normal operation of machine before breakdowns occur or machine condition reaches the critical failure value. In this study, classification and regression trees (CART) and adaptive neuro-fuzzy inference systems (ANFIS) will be developed as an effective intelligent system for performing machine fault diagnosis and condition prognosis. CART is known as one of the illustrious techniques of the decision tree induction and used for the purpose of either classification or regression depending on the output variable which is categorical or numerical. CART recursively partitions the entire data into binary descendant subsets which are as homogeneous as possible with respect to the response variables. High effective computation and reliability are the remarkable advantages of this algorithm. In the second technique, ANFIS is an excellent integration of the adaptive capability of neural networks and the modeling human knowledge ability of fuzzy logic. During the learning process, the parameters of fuzzy membership functions initially determined by experts are adapted to the relationship between the input and output. That combination makes the ANFIS model more systematic and less dependent on the expert knowledge. For implementing the fault diagnosis, CART and ANFIS are combined with another technique so-called feature-based technique. This technique is one of the powerful techniques to represent the raw data as features which are representatives of values indicating the machine condition. By using features, the encountered problem in data transfer and data storage could be effortlessly solved. Feature-based technique consists of data acquisition, data preprocessing, feature representation, feature extraction, feature selection and classifiers. In the proposed system for fault diagnosis, CART is used as a feature selection tool to select pertinent features which can characterize the machine conditions from the whole feature set whilst ANFIS plays a role as a classifier. In order to be evaluated, this system is applied to diagnose the faults of induction motor, which is an indispensable part in several industrial applications. The high performance results indicate that this system offers a potential for machine fault diagnosis. Foretelling the future states of machine has become more and more significant in modern industry. It assists maintainers or system operators in monitoring, inspecting the machines? operating conditions, and detecting the incipient faults so that they could opportunely perform remedial actions to avoid the catastrophic failures. Furthermore, it enables the scheduled maintenance to be more effective. In this study, the future machines? operating conditions are predicted by using CART and ANFIS model in combination with time series techniques. These time series techniques consist of methods which are utilized to determine the optimal observations and the steps ahead as the inputs and outputs of predictors, respectively. The trending data of a low methane compressor is used to validate the proposed method. The predicted results show that CART and ANFIS predictors are reliable and promising tools in machine condition prognosis. 세계 시장 경쟁체제에서 생산성은 중요한 경영전략이다. 경영자들은 생산성을 유지하기 위해서 전체생산비용에서 많은 부분을 차지하는 설비유지보수 전략을 이용하여 생산비용을 줄이는 것이 필요하다. 다시 말해서, 좋은 설비유지보수 전략이 현재 중요한 역할을 하고 있다. 게다가 빠른 기술발전과 함께, 기계들은 계속해서 복잡해지고 있다. 과거의 사후정비, 예방정비는 기계의 기능적인 작동을 보장할 수 없고, 대표적인 상태기반정비인 인공지능 기법을 도입한 설비유지보수로 점차 대체되어가고 있다. 상태기반 정비는 비파괴검사, 기계작동과 상태로부터 실제 기계의 상태에 근거하여 설비유지보수를 하는 것으로 정의된다. 이것은 기계의 파손이 일어나지 않도록 기계의 파손여부와 효과적인 정비방법에 대한 의사결정을 할 수 있다는 것이다. 상태기반의 정비를 사용한다는 것은 기계상태가 항상 모니터링(Monitoring)되고, 미리 설정된 알람(Alarm) 레벨을 나타낼 수 있어야 한다. 상태기반정비에서 결함진단과 예지는 연구자들과 엔지니어들에게 관심받을만한 중요한 요소이다. 결함진단은 결함을 감지하는 것으로 시스템의 잠재적인 결함요소를 결정하는 기술이다. 그리고 예지진단은 기계의 미래의 상태에 대해서 정상상태부터 파손이 일어나기 전까지의 잔여유용수명을 예측할 수 있는 것으로 정의된다. 이 연구에서는 기계결함진단과 예를 위해 CART(Classification and Regression Trees)와 ANFIS(Adaptive Neuro-fuzzy Inference System)가 개발되었다. CART는 결정목(Decision Tree) 기술중의 하나이고 명확하고 수치적인 결과변수에 의존하여 분류하거나 회귀할 목적으로 사용한다. CART는 전체 데이터를 반복적으로 반응할 변수에 대해 가능한 상동하도록 이진 하위집합을 분할한다. 이 알고리즘은 효율적인 계산과 신뢰성이 장점이다. 다음으로 ANFIS 는 뉴럴 네트워크의 적응능력을 통합할수 있고, 퍼지논리의 인간지식을 모델링할 수 있다. 학습하는 동안에는 전문가에의해 초기화된 퍼지 멤버십 함수의 파라미터는 입력과 출력 사이의 관계로 적응하게 된다. 그것이 ANFIS 모델을 시스템적이고 전문가 지식에 의존하지 않게 만드는 요소이다. 결함진단에 사용하기 위해 CART와 ANFIS는 특징기반의 기술과 결합하였다. 이 기술은 원래의 신호를 기계의 상태를 나타낼 수 있는 특징값으로 나타내는 강력한 기법이다. 특징을 이용하여 데이터 전송과 저장문제가 효과적으로 해결된다. 특징기반의 기술은 데이터취득, 데이터 전처리, 특징계산, 특징추출, 특징선택과 분류로 구성되어 있다. 결함진단을 위해 제안된 CART는 기계상태를 특징지을 수 있는 특징선택에 사용되었고 ANFIS는 특징분류에 사용되었다. 이 기술을 평가하기 위해 산업계에서 아주 중요하게 사용되고 있는 유도전동기에 적용하였다. 고성능의 분류결과는 기계결함진단에 잠재력이 있다고 판단된다. 기계의 미래상태를 예지하는 것은 현대 산업계에서 더욱더 중요해지고 있다. 그것은 엔지니어, 시스템관리자에게 도움을 주며, 재해를 예방할 수 있는 기회를 제공한다. 게다가 설비유지보수 계획을 할 때 더욱 효과적으로 할 수 있다. 이 연구에서는 미래의 기계상태를 CART와 ANFIS를 시간신호 예측에 사용하였다. 이 기술은 예측할 때 최적의 예측구간을 결정하는 방법을 포함하였다. 메탄 압축기의 경향데이터는 제안된 시스템을 검증하는 좋은 예이다. 예측된 결과는 CART와 ANFIS가 예지도구로서 신뢰할만한 도구인 것을 입증한다.

대형 공작기계의 구조 최적화 설계 방법 연구

ZHANGZHIBO 한밭대학교 일반대학원 2018 국내석사

공작기계는 기계를 만드는 기계, 즉 모기계이다. 기계부품의 품질 및 정밀도는 그 부품을 만드는 공작기계의 품질과 성능에 영향을 받을 수 있다. 따라서 품질과 성능에 우수한 공작기계를 설비하면 기업이 좋은 공산품을 제작할 수 있다. 현대 사회에서의 과학기술 및 경제가 비약적으로 발달되고 있다. 산업체에 가지고 있는 생산기술 및 생산공정도 고속 적으로 발전되고 있다. 이로 인해 산업 회사들은 공작기계에 대한 여러 가지의 요구사항도 높아지고 있다. 이로 인해 다기능화, 자동화, 고기능화, 고속화가공, 고정밀도 등 요구를 만족하는 공작기계가 지속적으로 증가되고 있다. 이런 요구를 만족하기 위해서는 공작기계의 정밀도 및 정확도 높아지고, 부품을 한 번만 설치해도 복잡한 모양을 가공할 수 있는 대형 복합공작기계가 발전되고 있다. 일반적인 대형 복합공작기계의 구조가 복잡하고, 각 구성요소에 발생하는 자중과 소재의 절삭력 등으로 인해 공작기계의 정강성을 약하게 되고 가공오차가 커지고, 불량률 증가 및 생산량 감소하는 경우를 발생할 수 있다. 또한 주축의 회전수를 높아지고 각 이송축의 이송속도가 빨라야 하기 위해서 공작기계는 큰 진동을 발생할 수 있다. 이런 문제를 해결 하기위해서는 설계자가 공작기계를 설계할 때 정 . 동 강성에 대한 해석 및 실험이 필요하다. 전통적인 공작기계의 설계방법은 설계자의 경험이 가지고 공작기계의 각 구조를 설계하다. 그리고 높은 강성을 확보하기 위한 공작기계의 각 구조를 중량증가 및 구조비둔 등 문제를 발생할 수 있다. 최근에는 공작기계를 설계할 때 유한요소해석법을 활용하여, 공작기계의 각 구조의 정적 및 동적 강성, 열 변형량 등 조건을 해석하고 해석결과가 직관적으로 설계자에 반영하는 방식으로 변화하고 있다. 본 논문에서는 위상최적화 및 유한요소해석 소프트웨어를 이용하여, 공작기계의 강성을 높아지고 중량을 감소하는 최적화 구조물을 설계하는 목표 있다. 그리고 설계할 때 공작기계의 각 구조물 및 공작기계의 전체 Loop 강성을 해석하여 해석결과를 비교 검토하고, 공작기계의 칼럼 구조를 재설계가 필요한 것은 얻을 수 있다. 칼럼 구조를 재설계할 때 FEM해석을 통하여, 각 실험용 칼럼의 강성을 해석하고, 해석결과를 비교분석하여, 최적화 칼럼 구조를 설계할 수 있다.

그래프 신경망을 이용한 인스턴스 단위 기계가공 특징형상 인식

차민혁 한국기술교육대학교 일반대학원 2024 국내석사

The machining features in a three dimensional (3D) computer-aided design (CAD) model are shapes with engineering meaning created through machining processes such as cutting or turning. With recent advancements of process automation technology in the manufacturing industry, researches on machining feature recognition from a 3D CAD model are being conducted to automatically generate machining commands and tool paths based on recognized machining features. The previous researches have focused on face-level recognition, which means classifying each face of a 3D CAD model as a machining feature class. However, face-level recognition cannot recognize a set of faces that constitute machining features. As machining information such as machining command is mainly composed of machining feature instances, it is not possible to extract machining information from the result of face-level recognition. To solve this problem, this study proposes a method for instance-level machining feature recognition using graph neural networks (GNNs). Instance-level machining feature recognition means identifying a set of faces that belong to the same machining feature instance. This enables it to recognize a set of faces that constitute a machining feature and extract meaningful machining information. To achieve this, encoders are defined to embed the surfaces and curves of the 3D CAD model, extracting feature vectors of surfaces and curves. These feature vectors are then used as input feature vectors for the GNNs. In addition, a two stage GNN architecture is defined. The first stage GNN uses the feature vectors of surfaces and curves to classify faces into machining feature classes. The second stage GNN classifies faces on instance-level using the face-level recognition results and the feature vectors of surfaces and curves. In order to train the proposed model, a dataset for it is required. However, as publicly available CAD model datasets contain only face-level labeling information, they cannot be used for this study. Therefore, in this study, the automatic generation code of MFCAD++ dataset, a publicly available CAD model dataset, is modified to automatically generate a CAD model dataset containing instance-level labeling information. The generated dataset contains 50,900 CAD models. The dataset is split into 30,540 training datasets, 10,180 validation datasets, and 10,180 test datasets. Finally, the proposed model is trained with the training dataset. And the hyper-parameters are tuned based on the random search method with the validation dataset. Subsequently, the performance of the model is evaluated on the test dataset. As a results, the proposed method exhibits an accuracy of 97.82% and pIoU of 95.93% for instance-level recognition. 3차원 형상 내 기계가공 특징형상(machining feature)은 절삭이나 선삭 등의 과정을 통해 생성되는 공학적 의미를 갖는 형상이다. 최근 제조업에 있어 공정 자동화 기술의 고도화에 따라 3차원 형상 내에서 기계가공 특 징형상을 자동으로 인식하고, 이를 기반으로 가공 명령 및 공구 경로를 자동으로 생성하는 기계가공 특징형상 인식(machining feature recognition)에 대한 연구들이 진행되고 있다. 기존 연구들은 면 단위 인식(face-level recognition)에 초점을 맞추고 있다. 면 단위 인식은 3차원 형상을 구성하는 각각의 면을 기계가공 특징 형상으로 분류하는 것을 말한다. 그러나, 면 단위 인식은 각각의 기계가공 특징형상을 구성하는 면의 집합을 인식할 수 없다. 가공 명령과 같은 가 공 정보는 주로 기계가공 특징형상 단위로 이루어지기 때문에, 면 단위 인식 결과를 통한 가공 정보의 추출이 불가능하다. 본 연구에서는 이를 해결하기 위해 그래프 신경망(graph neural network, GNN)을 이용해 인스턴스 단위(instance-level)로 기계가공 특징 형상을 인식하는 방법을 제안한다. 인스턴스 단위 특징형상 인식은 동일 한 기계가공 특징형상 인스턴스에 속하는 면들의 집합을 인식하는 것이 다. 이는 기계가공 특징형상을 구성하는 면 집합을 인식할 수 있게 하여, 의미 있는 가공 정보를 추출할 수 있게 한다. 이를 위해, CAD 모델을 구성하는 곡면(surface)과 곡선(curve)을 임베 딩(embedding)하는 인코더를 정의하여, 곡면과 곡선의 특징 벡터를 추출 하였다. 그리고, 특징 벡터를 뒤에 오는 그래프 신경망의 입력 특징 벡터 로 사용하였다. 또한, 두 단계로 구성된 GNN을 정의하였다. 첫 번째 단계 의 GNN은 곡선과 곡면의 특징 벡터를 이용해 면을 특징형상들로 분류한 다. 두 번째 단계의 GNN은 면 단위 분류 결과와 곡선과 곡면의 특징 벡 터를 이용해 인스턴스 단위로 면을 분류한다. 제안한 모델을 학습하기 위해서는 학습에 사용할 데이터셋이 필요하다. 그러나, 공개된 CAD 모델 데이터셋들은 면 단위 라벨링 정보만 포함하고 있어 본 연구에 이용할 수 없다. 따라서 본 연구에서는 공개된 CAD 모델 데이터셋의 일종인 MFCAD++ 데이터셋의 자동 생성 코드를 수정하여 인 스턴스 단위의 라벨링 정보를 포함한 CAD 모델 데이터셋을 자동 생성하 였다. 생성한 데이터셋은 50,900개의 CAD 모델을 포함한다. 그리고 이를 학습 데이터셋(training dataset) 30,540개, 검증 데이터셋(validation dataset) 10,180개 테스트 데이터셋(test dataset) 10,180개로 분할하였다. 마지막으로 학습 데이터셋을 이용해 제안한 모델을 학습하였다. 그리고, 검증 데이터셋을 가지고 랜덤 탐색(random search) 방법을 기반으로 하 이퍼 파라미터(hyper-parameter)를 튜닝(tuning)하였다. 마지막으로 테스 트 데이터셋을 가지고 모델의 성능을 정량적으로 평가했다. 그 결과, 인스 턴스 단위 인식에 대해 97.82%의 정확도와 95.93%의 pIoU를 달성하였다

무대장치용 플라스틱 활차의 기계적 특성 분석

유정훈 한양대학교 공학대학원 2018 국내석사

무대 공간에서는 공연, 연극, 뮤지컬 등에 무대기계를 사용하여 특수 연출 효과를 극대화시켜 관람객들에게 제공하고 있다. 이 특수 연출 효과에 많이 사용되는 무대기계 구성요소인 활차는 금속소재로 현재 국내 제작이 어려워 국외 제품을 사용함으로서 수급 및 정비 부분에서 많은 어려움이 발생하고 있어 국산화 기술 확보가 필요하였다. 그래서 본 논문에서는 무대장치용 플라스틱 활차의 기계적 특성 및 시험방법을 개발하고 이에 대한 검증을 수행하였다. 구체적으로 활차에 적용할 플라스틱 소재에 대한 기계적 물성을 조사 후 ABS 플라스틱이 적합한 것으로 판단되어 선정하였다. 기계적 물성 검증을 위해 시험편을 제작하여 소재 시험을 진행한 결과 인장강도는 최소 53.74 ~ 55.27 MPa, 굴곡강도는 최소 88.05 ~ 88.49 MPa, 충격강도는 최소 186.46 ~ 207.37 , 밀도는 1.03 로 활차 제작이 가능한 소재로 판단하였다. ABS 플라스틱으로 실제 제품을 제작하기 전에 활차의 안전성을 확인하기 위하여 활차 홈에 하중을 작용시키고 고정 축 면은 고정하여 시뮬레이션을 수행한 결과 12.57 MPa로 안전율 4이상을 확보한 것으로 확인되었다. 그리고 국내에는 무대장치용 활차 홈 압축강도 시험을 위한 시험방법이 없어 타 국내 국가표준을 인용하여 활차 홈에 압축하중을 인가할 수 있는 시험방안을 개발하여 적용한 결과 ABS 플라스틱 활차보다 와이어로프 및 와이어로프 소켓의 파손이 먼저 나타났다. 하지만 활차 홈에는 와이어로프 눌림 자국만 발생하였다. 이를 바탕으로 플라스틱 활차는 최소 56,830 N의 하중을 견딜 수 있음을 확인하였다. 본 논문은 무대장치용 활차의 플라스틱 소재 적용과 기계적 특성에 있어 활차 홈의 압축강도 시험방법을 다루었다는 것에 의의를 가지고 있다. 무대 공간에서는 공연, 연극, 뮤지컬 등에 무대기계를 사용하여 특수 연출 효과를 극대화시켜 관람객들에게 제공하고 있다. 이 특수 연출 효과에 많이 사용되는 무대기계 구성요소인 활차는 금속소재로 현재 국내 제작이 어려워 국외 제품을 사용함으로서 수급 및 정비 부분에서 많은 어려움이 발생하고 있어 국산화 기술 확보가 필요하였다. 그래서 본 논문에서는 무대장치용 플라스틱 활차의 기계적 특성 및 시험방법을 개발하고 이에 대한 검증을 수행하였다. 구체적으로 활차에 적용할 플라스틱 소재에 대한 기계적 물성을 조사 후 ABS 플라스틱이 적합한 것으로 판단되어 선정하였다. 기계적 물성 검증을 위해 시험편을 제작하여 소재 시험을 진행한 결과 인장강도는 최소 53.74 ~ 55.27 MPa, 굴곡강도는 최소 88.05 ~ 88.49 MPa, 충격강도는 최소 186.46 ~ 207.37 , 밀도는 1.03 로 활차 제작이 가능한 소재로 판단하였다. ABS 플라스틱으로 실제 제품을 제작하기 전에 활차의 안전성을 확인하기 위하여 활차 홈에 하중을 작용시키고 고정 축 면은 고정하여 시뮬레이션을 수행한 결과 12.57 MPa로 안전율 4이상을 확보한 것으로 확인되었다. 그리고 국내에는 무대장치용 활차 홈 압축강도 시험을 위한 시험방법이 없어 타 국내 국가표준을 인용하여 활차 홈에 압축하중을 인가할 수 있는 시험방안을 개발하여 적용한 결과 ABS 플라스틱 활차보다 와이어로프 및 와이어로프 소켓의 파손이 먼저 나타났다. 하지만 활차 홈에는 와이어로프 눌림 자국만 발생하였다. 이를 바탕으로 플라스틱 활차는 최소 56,830 N의 하중을 견딜 수 있음을 확인하였다. 본 논문은 무대장치용 활차의 플라스틱 소재 적용과 기계적 특성에 있어 활차 홈의 압축강도 시험방법을 다루었다는 것에 의의를 가지고 있다.

기계 상태감시를 위한 MEMS 센서 기반의 무선 스마트센서 개발 : Development of Wireless Smart Sensor for Machines Condition Monitoring using MEMS Sensors

손종덕 부경대학교 대학원 2009 국내박사

센서란 검지 대상의 물리적인 양을 선택적으로 포착하여 유용한 신호(주로 전기적 신호)로 변환하여 출력하는 장치이다. 최근에는 어떤 대상의 신호나 정보가 감지되는 일반적인 센서의 개념을 뛰어넘어 스마트센서라고 불리는 인간의 능력과 가까운 판단력과 정보처리능력을 가진 센서의 개발이 이루어지고 있다. 특히 MEMS (Micoroelectromechanical system) 기술과 스마트센서가 통합되면서 획기적인 기술발전을 거듭하고 있다. MEMS 기술은 초정밀 가공기술을 이용하여 소형화와 다른 센서와의 통합이 용이하다. 또한 대량 생산이 가능하며, 가격이 저렴하다는 특징을 가지고 있다. MEMS센서는 MEMS기술로 제작된 센서를 의미하며, 기계 상태감시와 관련하여 세계적으로 MEMS 센서의 성능평가에 대한 연구가 진행되고 있다. 스마트센서는 마이크로 프로세서를 탑재한 센서로서 무선통신, 지능화가 가능하고 기계의 상태감시에 유용하게 적용할 수 있다. 특히 무선화는 케이블링 공사 비용 절감효과 및 센서로의 접근성을 용이하게 하는 장점이 있다. 지능화 센서로도 불리는 스마트 센서 개념은 미국항공우주국(NASA)의 우주선 개발 과정에서 우주선 내의 여러 센서에서 지상국으로 시시각각 보내져 오는 온도, 습도, 압력, 위치, 속도, 자세 등의 방대한 관측 데이터를 하나의 대형 컴퓨터에서는 처리하지 못하여, 그 해결책으로서 CPU의 분산화가 진행되어 그 발전형으로서 센싱 디바이스의 지능화가 탄생하였다. 스마트 센서는 기존의 센서와는 달리 비용절감, 국부적인 정보처리 수행 능력을 가지며, 네트워크 내의 다른 스마트 센서로부터 실시간 데이터의 통신을 가능하게 한다. 그리고 자가 진단 및 자기 교정으로 센서 결함의 교체 가능하고, 재 프로그램작성 기능 보유로 원격으로 소프트웨어 업그레이드 가능하다는 장점을 가지고 있다. 따라서 MEMS 센서와 스마트센서의 통합은 산업설비의 유지관리를 위해 비용효과적인 시스템을 구축할 수 있는 유용한 도구이다. 본 논문은 기계 상태감시에 적용할 수 있는 MEMS 센서 기반의 무선 스마트센서 개발에 대한 내용이다. 이 시스템은 MEMS 가속도센서와 MEMS 전류센서를 사용하여 저렴한 가격으로 구축할 수 있다. 또한 MEMS 센서로부터 아날로그 필터링 과정을 거쳐 주기적으로 아날로그 신호를 디지털 신호로 변환하여 베이스 스테이션으로 송신하여 기계의 결함의 상태를 나타낼 수 있고, 원격지에서 센서의 상태를 알 수 있도록 자가진단기법을 제안하였으며, 이는 센서의 신뢰성을 향상시키는 훌륭한 도구가된다. 스마트센서의 성능테스트는 신호품질테스트와 알고리즘 분류 결과를 이용한 성능평가 두 가지를 사용하였다. 신호품질테스트는 아날로그 신호의 증폭, HPF (High pass filter), LPF (Low pass filter)의 정확도를 확인하였고, 스마트센서에서 취득된 신호로 분류알고리즘(Classification algorithm) 검증을 통해 분류율을 확인하였다. 이 때 사용된 알고리즘은 SVM (Support vector machine), LDA (Linear discriminant analysis), k-NN (k-nearest neighbors), RF (Random forest)이고, 알고리즘은 CV (Cross validation) 기법으로 파라미터 최적화 되었다. 그리고 검증데이터는 일반센서와 MEMS 센서기반의 스마트센서 두 종류의 데이터를 사용하였다. 마지막으로 IDPM (Intelligent diagnosis prognosis module)을 제안하였으며, 이것은 센서로부터 취득된 데이터를 계산하여 의사결정을 수행할 수 있는 유용한 정보로 변환할 수 있는 역할을 수행한다. 또한 IDPM에 결함진단에 적합한 알고리즘인 Fk-NN (Fuzzy k-nearest neighbors)을 제안하였을 뿐 아니라 실험을 통하여 알고리즘을 검증하였다. 그 결과, 스마트센서와 IDPM을 통합하여 기계상태감시뿐 아니라 결함진단을 수행하는 훌륭한 도구로 사용할 수 있음을 확인하였다. The sensor is a device that selectively detects the physical quantities of subjects and transforms them into useful signals (usually electrical signals). Beyond the general concept of the sensor that detects signals and information, the smart sensor, which has judgment and information processing capacity close to those of human beings, is being developed. In particular, MEMS (Micoroelectromechanical system) technology and the smart sensor have recently been integrated and innovatively developed. MEMS technology facilitates miniaturization and integration with other sensors using ultra precision processing technique. It also realizes mass production and low cost. The MEMS sensor means a sensor manufactured by MEMS technology, and studies on the performance evaluation of the MEMS sensor for monitoring the condition of machines is underway worldwide. The smart sensor, which is mounted with a microprocessor and facilitates wireless communication and intelligent operation, can be useful in monitoring the condition of machines. With wireless application, the cost of cabling work is reduced and the access to the sensor becomes easier. The smart sensor, also called intelligent sensor, was introduced by the distribution of CPU when NASA could not process the vast amount of data including temperature, humidity, pressure, location, velocity and attitude transferred from sensors in the spacecraft to the land stations with one large scale computer during the development of the spacecraft. The smart sensor has the advantages including cost cut and local data processing, unlike the existing sensors, and facilitates the transfer of real time data from other smart sensors in the network. It also has advantages such as sensor fault correction by self-diagnosis and self-correction, and remote software upgrade by re-programming function. Therefore, the integration of the MEMS sensor and the smart sensor can be a useful tool to establish a cost-effective system for maintaining the industrial equipment. This thesis is about the development of the MEMS sensor-based wireless smart sensor that can be applied to monitoring the condition of machines. This system can be constructed at low cost using the MEMS acceleration sensor and MEMS current sensor. A self-diagnosis technique was proposed, wherein the condition of faults in a machine is displayed by transmitting the digital signals that are regularly converted from analogue signals after analogue filtering at the MEMS sensor to the base station and thereby the condition of the sensor is remotely identified. This is an excellent tool to increase the reliability of the sensor. The signal quality test and the algorithm grouping performance test were conducted to identify the performance of the smart sensor. The accuracy of the amplification of analogue signals, HPF (High pass filter) and LPF (Low pass filter) was examined, and the classification rate was examined through the classification algorithm verification of the signals obtained from the smart sensor. SVM (Support vector machine), LDA (Linear discriminant analysis), k-NN (k-nearest neighbors) and RF (Random forest) were used as algorithms, which were parameter-optimized using the CV (Cross validation) technique. Data of a general sensor and a MEMS sensor-based smart sensor were used in verification. Finally, IDPM (Intelligent diagnosis prognosis module) was proposed, which played a role to calculate the data obtained from the sensor and convert them into useful data for decision making. Fk-NN (Fuzzy k-nearest neighbors), which is an algorithm suitable for fault diagnosis, was proposed and verified through the experiment. As a result, it was verified that the integration of the smart sensor and IDPM makes an excellent tool for machine fault diagnosis as well as for machine condition monitoring.

특허무효사례를 통해 고찰한 기계공학분야의 수치한정 발명의 특허화 전략 연구

장형용 한양대학교 공학대학원 2012 국내석사

본 연구에서는, 기계공학 분야의 수치한정 발명에 대한 특허 무효 사례를 통해 수치한정 발명을 특허화하기 위하여 연구 단계에서부터 고려되어야 할 사항을 검토하고 이에 대한 검토 모델링을 제시한다. 기계공학분야의 수치한정발명은 수치범위를 전후로 급격한 변화가 인정되기 어려운 특성이 있음에도 불구하고 법원 및 특허청은 일률적으로 수치한정 범위 전후에서 임계적 의의가 인정되는지 여부에 따라 특허성을 검토함으로써 등록이 거절되는 문제점이 있다. 따라서, 발명 분야별 형평성에 따라 기계공학분야의 특성을 고려한 판단기준에 의해 특허성을 판단하는 것이 타당하다. 그리고, 기존의 법원 및 특허청의 판단기준을 고려하여 기계공학분야의 수치한정발명이 등록되기 위한 검토조건을 살펴보고, 그에 따라 특허 검토 모델링을 구상한다. 특허 검토 모델링에 의해 기존의 판례 사안을 검토하여 주요 쟁점에 대한 검토가 가능한지에 대해 살펴본다.

Development of Wireless Smart Sensor for Machines Condition Monitoring using MEMS Sensors : 기계 상태 감시를 위한 MEMS센서 기반 무선스마트센서 개발

Son Jong Duk 부경대학교 대학원 2009 국내박사

센서란 검지 대상의 물리적인 양을 선택적으로 포착하여 유용한 신호(주로 전기적 신호)로 변환하여 출력하는 장치이다. 최근에는 어떤 대상의 신호나 정보가 감지되는 일반적인 센서의 개념을 뛰어넘어 스마트센서라고 불리는 인간의 능력과 가까운 판단력과 정보처리능력을 가진 센서의 개발이 이루어지고 있다. 특히 MEMS (Micoroelectromechanical system) 기술과 스마트센서가 통합되면서 획기적인 기술발전을 거듭하고 있다. MEMS 기술은 초정밀 가공기술을 이용하여 소형화와 다른 센서와의 통합이 용이하다. 또한 대량 생산이 가능하며, 가격이 저렴하다는 특징을 가지고 있다. MEMS센서는 MEMS기술로 제작된 센서를 의미하며, 기계 상태감시와 관련하여 세계적으로 MEMS 센서의 성능평가에 대한 연구가 진행되고 있다. 스마트센서는 마이크로 프로세서를 탑재한 센서로서 무선통신, 지능화가 가능하고 기계의 상태감시에 유용하게 적용할 수 있다. 특히 무선화는 케이블링 공사 비용 절감효과 및 센서로의 접근성을 용이하게 하는 장점이 있다. 지능화 센서로도 불리는 스마트 센서 개념은 미국항공우주국(NASA)의 우주선 개발 과정에서 우주선 내의 여러 센서에서 지상국으로 시시각각 보내져 오는 온도, 습도, 압력, 위치, 속도, 자세 등의 방대한 관측 데이터를 하나의 대형 컴퓨터에서는 처리하지 못하여, 그 해결책으로서 CPU의 분산화가 진행되어 그 발전형으로서 센싱 디바이스의 지능화가 탄생하였다. 스마트 센서는 기존의 센서와는 달리 비용절감, 국부적인 정보처리 수행 능력을 가지며, 네트워크 내의 다른 스마트 센서로부터 실시간 데이터의 통신을 가능하게 한다. 그리고 자가 진단 및 자기 교정으로 센서 결함의 교체 가능하고, 재 프로그램작성 기능 보유로 원격으로 소프트웨어 업그레이드 가능하다는 장점을 가지고 있다. 따라서 MEMS 센서와 스마트센서의 통합은 산업설비의 유지관리를 위해 비용효과적인 시스템을 구축할 수 있는 유용한 도구이다. 본 논문은 기계 상태감시에 적용할 수 있는 MEMS 센서 기반의 무선 스마트센서 개발에 대한 내용이다. 이 시스템은 MEMS 가속도센서와 MEMS 전류센서를 사용하여 저렴한 가격으로 구축할 수 있다. 또한 MEMS 센서로부터 아날로그 필터링 과정을 거쳐 주기적으로 아날로그 신호를 디지털 신호로 변환하여 베이스 스테이션으로 송신하여 기계의 결함의 상태를 나타낼 수 있고, 원격지에서 센서의 상태를 알 수 있도록 자가진단기법을 제안하였으며, 이는 센서의 신뢰성을 향상시키는 훌륭한 도구가된다. 스마트센서의 성능테스트는 신호품질테스트와 알고리즘 분류 결과를 이용한 성능평가 두 가지를 사용하였다. 신호품질테스트는 아날로그 신호의 증폭, HPF (High pass filter), LPF (Low pass filter)의 정확도를 확인하였고, 스마트센서에서 취득된 신호로 분류알고리즘(Classification algorithm) 검증을 통해 분류율을 확인하였다. 이 때 사용된 알고리즘은 SVM (Support vector machine), LDA (Linear discriminant analysis), k-NN (k-nearest neighbors), RF (Random forest)이고, 알고리즘은 CV (Cross validation) 기법으로 파라미터 최적화 되었다. 그리고 검증데이터는 일반센서와 MEMS 센서기반의 스마트센서 두 종류의 데이터를 사용하였다. 마지막으로 IDPM (Intelligent diagnosis prognosis module)을 제안하였으며, 이것은 센서로부터 취득된 데이터를 계산하여 의사결정을 수행할 수 있는 유용한 정보로 변환할 수 있는 역할을 수행한다. 또한 IDPM에 결함진단에 적합한 알고리즘인 Fk-NN (Fuzzy k-nearest neighbors)을 제안하였을 뿐 아니라 실험을 통하여 알고리즘을 검증하였다. 그 결과, 스마트센서와 IDPM을 통합하여 기계상태감시뿐 아니라 결함진단을 수행하는 훌륭한 도구로 사용할 수 있음을 확인하였다. The sensor is a device that selectively detects the physical quantities of subjects and transforms them into useful signals (usually electrical signals). Beyond the general concept of the sensor that detects signals and information, the smart sensor, which has judgment and information processing capacity close to those of human beings, is being developed. In particular, MEMS (Micoroelectromechanical system) technology and the smart sensor have recently been integrated and innovatively developed. MEMS technology facilitates miniaturization and integration with other sensors using ultra precision processing technique. It also realizes mass production and low cost. The MEMS sensor means a sensor manufactured by MEMS technology, and studies on the performance evaluation of the MEMS sensor for monitoring the condition of machines is underway worldwide. The smart sensor, which is mounted with a microprocessor and facilitates wireless communication and intelligent operation, can be useful in monitoring the condition of machines. With wireless application, the cost of cabling work is reduced and the access to the sensor becomes easier. The smart sensor, also called intelligent sensor, was introduced by the distribution of CPU when NASA could not process the vast amount of data including temperature, humidity, pressure, location, velocity and attitude transferred from sensors in the spacecraft to the land stations with one large scale computer during the development of the spacecraft. The smart sensor has the advantages including cost cut and local data processing, unlike the existing sensors, and facilitates the transfer of real time data from other smart sensors in the network. It also has advantages such as sensor fault correction by self-diagnosis and self-correction, and remote software upgrade by re-programming function. Therefore, the integration of the MEMS sensor and the smart sensor can be a useful tool to establish a cost-effective system for maintaining the industrial equipment. This thesis is about the development of the MEMS sensor-based wireless smart sensor that can be applied to monitoring the condition of machines. This system can be constructed at low cost using the MEMS acceleration sensor and MEMS current sensor. A self-diagnosis technique was proposed, wherein the condition of faults in a machine is displayed by transmitting the digital signals that are regularly converted from analogue signals after analogue filtering at the MEMS sensor to the base station and thereby the condition of the sensor is remotely identified. This is an excellent tool to increase the reliability of the sensor. The signal quality test and the algorithm grouping performance test were conducted to identify the performance of the smart sensor. The accuracy of the amplification of analogue signals, HPF (High pass filter) and LPF (Low pass filter) was examined, and the classification rate was examined through the classification algorithm verification of the signals obtained from the smart sensor. SVM (Support vector machine), LDA (Linear discriminant analysis), k-NN (k-nearest neighbors) and RF (Random forest) were used as algorithms, which were parameter-optimized using the CV (Cross validation) technique. Data of a general sensor and a MEMS sensor-based smart sensor were used in verification. Finally, IDPM (Intelligent diagnosis prognosis module) was proposed, which played a role to calculate the data obtained from the sensor and convert them into useful data for decision making. Fk-NN (Fuzzy k-nearest neighbors), which is an algorithm suitable for fault diagnosis, was proposed and verified through the experiment. As a result, it was verified that the integration of the smart sensor and IDPM makes an excellent tool for machine fault diagnosis as well as for machine condition monitoring.

A Study on the Optimization of the Foundation for Large Machine Tools using the TAguchi Method

조성화 창원대학교 2019 국내석사

항공우주와 선박 부문에서 비롯하여 에너지생산시설 등 새로운 부문으로 대형 부품의 가공 수요가 급증함에 따라 높은 수율로 정밀 가공할 수 있는 방안에 관련된 연구들이 활발하게 이루어 지고 있다. 그 중에서도 대형 부품의 부가가치가 높은 가공이 가능하게 하기 위한 해법으로 매우 큰 사이즈의 대형 공작기계를 도입하고 있다. 고정밀 고강성 대형 공작기계의 가공 정밀도의 중요성이 높아지고 있기 때문에 가공정밀도를 향상시키기 위해 다양한 제어방법과 분석기술 개발, 부품 조립, 기초 파라미터 설계 등을 통하여 대형공작기계의 가공 정밀도를 향상시키기 위한 연구들이 이루어 지고 있다. 그 중에서도 바닥 기초 지반을 구조 부품과 통합시켜 바닥 기초 지반에 대한 설계를 통해 가공 정밀도를 높이는 연구가 도입되고 있다. 바닥 기초는 모든 타입의 공작기계에서 주요 요소이며 낮은 구조 강도를 갖는 기계가 필요로 하는 강성을 제공하고, 기계의 레벨링과 정렬의 주요 요소이며, 진동 흡수의 핵심역할을 한다. 대형 정밀 공작기계는 바닥 기초 지반 조건에 따라 자중에 의한 변형량이 다르게 나타나고 가공 정밀도에 영향을 줄 수 있기 때문에 대형 정밀 공작기계의 바닥면의 파라미터들을 계산하여 가공정밀도를 향상시킬 수 있는 바닥 지반 조건 최적화 연구가 필요하다. 본 연구에서는 대형 공작기계의 바닥 지반 형상을 설계하고 다구찌 최적화 방법을 이용하여 바닥 지반 무게는 최소화하고 가공 정밀도는 향상시킬 수 있는 최적 바닥 지반 형상을 제시한다.

교육대학원 기계공학전공의 교과과정 연구 : 공업계 전문교과과정과 비교 중심으로

신원장 국민대학교 교육대학원 2001 국내석사

Abstract : p.32-33

액상 가압 공정을 이용한 탄소/탄소 복합재료의 제조방법 및 기계적 특성에 관한 연구

강명구 창원대학교 2014 국내석사

본 연구에서는 기존의 탄소/탄소 복합재료 제조공정에 비해 적은 제조비용으로 빠르게 복합재를 제조할 수 있는 액상 가압 공정으로 탄소/탄소 복합재료를 제조하였으며 bundle size별로 밀도 및 기계적 특성을 측정하고 CNFs+탄소/탄소 복합재와 Neat 탄소/탄소 복합재의 특성값을 비교하였으며, 요약하면 다음과 같다. bundle size 1K의 T-300 plain weave와 bundle size 3K의 TR-30 plain weave를 각각 기지재료인 핏치와 금형 내부에 함게 적층하여 액상 가압 공정으로 복합재를 제조하였다. 또한 아무 처리도 하지 않은 보강재료 TR-30 plain weave와 EPD 공법으로 CNFs를 증착시킨 TR-30 plain weave를 각각 기지재료인 핏치와 금형 내부에 함께 적층하여 액상 가압 공정으로 복합재를 제조하였다. 밀도 측정을 통해 공정 Cycle 반복에 따른 복합재의 밀도 향상을 확인하였고 광학 현미경을 통해 제조된 복합재의 절단면의 형태와 기공의 감소를 확인하였다. 미세조직 분석을 통해 CNFs의 고른 분산을 확인하였으며 기계적 특성 평가를 통해 bundle size에 따른 기계적 특성 차이를 확인하고 CNFs의 첨가가 탄소/탄소 복합재의 기계적 특성에 미치는 영향을 분석하였다. 그 결과 액상 가압 공정으로 기존의 공정보다 빠르고 저가로 탄소/탄소 복합재를 제조할 수 있으며 1K-탄소/탄소 복합재료가 3K-탄소/탄소 복합재료보다 우수한 기계적 물성을 보였고 CNFs 첨가가 기계적 특성 향상에 효과가 있음을 확인할 수 있었다.