RISS 검색 - 국내학술지논문 상세보기

국문 초록 (Abstract)

구름 베어링은 회전 기계에서 회전축을 지탱하는 주요 구성요소 중 하나로 열악한 사용 환경에서 잦은 고장과 파손이 발생한다. 구름 베어링의 파손은 회전 기계 전체의 가동 중단으로 이어...

구름 베어링은 회전 기계에서 회전축을 지탱하는 주요 구성요소 중 하나로 열악한 사용 환경에서 잦은 고장과 파손이 발생한다. 구름 베어링의 파손은 회전 기계 전체의 가동 중단으로 이어져 막대한 금전적 손실을 초래하기 때문에 이의 상태를 진단하는 모니터링 시스템은 필수적인 부분이 되었다. 그러나 다양한 기능을 담당하는 복잡한 기계요소들의 상호 간섭으로 상태 모니터링 프로세스가 복잡해지고, 상태 모니터링에 요구되는 시간이 오래 걸려 결과적으로 높은 비용이 초래되고 있는 실정이다. 따라서 구름 베어링의 상태 모니터링 연구를 위해 고장 패턴 학습이 아닌 통계적 공정관리(SPC: statistical process control)를 활용한 성능지표화를 통해 다양한 결함 패턴을 감지하는 것이 요구된다. 본 연구에서는 구름 베어링을 대상으로 가속도 데이터를 통계적 공정관리 성능지수로 변환하였으며, 이를 결함 감지 기준으로 선정하였다. 통계적 공정관리 성능지수는 상용 통계해석 프로그램인 JMP를 통해 분산분석을 수행하여 통계적 유의차를 도출하였으며, 상자그림으로 각 변수들의 결함을 분류하는 기준인 0.8과 1.5를 선정하였다. 아울러 다항 로지스틱 회귀분석을 수행해본 결과, SPC 성능지수를 적용한 다항 로지스틱 회귀 분석은 결함 발생확률 추정에 대해 높은 정확도를 보였음을 확인하였다.

다국어 초록 (Multilingual Abstract)

Rolling bearings are among the main components that support the shaft in rotating machines. Rolling bearings are typically subjected to harsh operating environments, and hence, experience wear and tear significantly. Because the failure of rolling bearings can result in the downtime of rotating machines and lead to significant monetary losses, the health monitoring of such machine components is an ongoing issue in industries. However, the mutual interference of complex mechanical elements with various functions complicates the health monitoring process, increases time consumption, and consequently, increases costs. In this study, the acceleration data of rolling bearings obtained in the time domain was analyzed using the statistical process control (SPC) performance index. Through the analysis of variance via SAS JMP, the analyzed data was found to have statistical significance, and the box plot classified the failure of each parameter based on 0.8 and 1.5 of the SPC performance index. Consequently, when the SPC performance index was considered, the multinominal logistic regression analysis provided a satisfactory evaluation of the probability of failure occurrence.

목차 (Table of Contents)

초록
Abstract
1. 서론
2. 롤러 베어링 가속도 데이터
3. 가속도 데이터 분석

초록
Abstract
1. 서론
2. 롤러 베어링 가속도 데이터
3. 가속도 데이터 분석
4. 구름 베어링의 결함 발생확률 추정
5. 결론
참고문헌(References)

참고문헌 (Reference)

1 정래혁, "회전기기 볼베어링의 외륜 결함 검출 기법 연구" 한국안전학회 25 (25): 1-6, 2010

2 노유정, "통계모델링 방법의 비교 연구" 한국산학기술학회 17 (17): 645-652, 2016

3 송예원, "진동 데이터 기반 설비고장예지를 위한 신호처리기법" 한국전자거래학회 23 (23): 111-121, 2018

4 김양석, "서포트 벡터 머신을 이용한 볼 베어링의 결함 정도 진단" 대한기계학회 37 (37): 551-558, 2013

5 박재신, "불균형 자료의 분류분석에서 샘플링 기법을 이용한 로지스틱 회귀분석" 한국자료분석학회 17 (17): 1877-1888, 2015

6 백수정, "베어링 샤프트 시스템의 고장 감지를 위한 다변량 센서 데이터 기반 지도 이산화 기법" 대한기계학회 44 (44): 63-69, 2020

7 김현일, "로지스틱 회귀에 의한 도시 침수발생의 한계강우량 산정" 대한토목학회 39 (39): 713-723, 2019

8 이준혁, "기계학습 알고리즘을 활용한 베어링의 고장 예측 알고리즘 개발에 관한 연구" 한국마린엔지니어링학회 43 (43): 455-462, 2019

9 Kang, M. S., "Time-Varying and Multiresolution Envelope Analysis and Discriminative Feature Analysis for Bearing Fault Diagnosis" 62 (62): 7749-7761, 2015

10 Oh, T. K., "The Effects of the Volatilities of Operating Cash Flow on the Earnings Quality" 6 (6): 71-100, 2014