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
- 발행연도
- 2023.9
- 수록면
- 283 - 296 (14page)
- DOI
- 10.33162/JAR.2023.8.23.3.283
이용수
초록· 키워드
오류제보하기
Purpose: This study aims to examine artificial intelligence (AI) algorithms used in prognostics and health management (PHM), present a C-MAPPS data case study from the PHM competition, and identify the further research needed in AI-based PHM.
Method: AI algorithms that are widely used in PHM are machine learning (ML) methodologies such as ANN, SVM, DT, and kNN. In this study, we briefly introduced these methods and applied them to the C-MAPPS data presented in the PHM competition.
Results: An organized series of procedures is needed to utilize AI in PHM. This study presented the proper procedure for using AI in PHM, explaining the necessity of training it with data using ML methodologies and verifying it with verification data.
Conclusion: The recent development of ML has been spreading PHM across industries, coupled with condition-based maintenance, one of the reliability strategies. In this study, we applied ML methodologies, including kNN, SVM, random forest, and LSTM, to the C-MAPPS data and discovered that kNN showed slightly better results than the other models in the data presented.
Method: AI algorithms that are widely used in PHM are machine learning (ML) methodologies such as ANN, SVM, DT, and kNN. In this study, we briefly introduced these methods and applied them to the C-MAPPS data presented in the PHM competition.
Results: An organized series of procedures is needed to utilize AI in PHM. This study presented the proper procedure for using AI in PHM, explaining the necessity of training it with data using ML methodologies and verifying it with verification data.
Conclusion: The recent development of ML has been spreading PHM across industries, coupled with condition-based maintenance, one of the reliability strategies. In this study, we applied ML methodologies, including kNN, SVM, random forest, and LSTM, to the C-MAPPS data and discovered that kNN showed slightly better results than the other models in the data presented.
목차
1. 서론
2. PHM에서 데이터의 역할
3. 고장예지를 위한 AI 알고리즘
4. 고장예지 사례
5. 결론 및 추후연구
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
고장예지 및 건전성관리에서의 AI 기법
신뢰성응용연구
2019 .09
-
AI와 PHM을 통한 지속가능한 제품 통찰력
한국유체기계학회 학술대회 논문집
2023 .12
-
Industrial AI를 활용한 건전성 예측관리(PHM)
한국신뢰성학회 학술대회논문집
2019 .05
-
Recent Trends in the Research of PHM Techniques
한국소음진동공학회 학술대회논문집
2016 .10
-
건전성 예측관리(PHM) 기술을 이용한 스마트 제조
한국정밀공학회 학술발표대회 논문집
2021 .05
-
전자 부품 및 시스템 PHM 연구 리뷰
대한기계학회 춘추학술대회
2020 .07
-
상태기반 유지보수를 위한 PHM 기술 및 사례 소개
한국신뢰성학회 학술대회논문집
2021 .06
-
Development of Prognostics and Health Management System for Rotating Machine and Application to Rotary Table
Journal of the Korean Society for Precision Engineering
2022 .05
-
데이터 특성인자 추출을 위한 PHM기술 연구 동향
기계저널
2016 .11
-
실제 운용 데이터를 이용한 의료용 카테터 압출 시스템의 고장 예지
대한기계학회 춘추학술대회
2022 .03
-
전자시스템에 PHM 기술의 리뷰와 전망
대한기계학회 춘추학술대회
2020 .07
-
무인 비행체의 PHM 기술 동향 및 발전 추세
제어로봇시스템학회지
2024 .09
-
Industry 4.0과 고장예지 및 건전성 관리 기술(PHM)의 방향
소음·진동
2015 .02
-
스마트 그리드 최적화를 위한 해상풍력 PHM 시스템
대한전자공학회 학술대회
2018 .06
-
[세션초청논문] Development of the PHM (prognostics and health management) technique for cooling facilities
대한기계학회 춘추학술대회
2019 .11
-
Machine Learning and Deep Learning for PHM Applications - Case Studies
대한기계학회 춘추학술대회
2019 .11
-
자율작업 어플리케이션/PHM
유공압건설기계학회 학술대회논문집
2023 .11
-
PHM기술을 통한 4차 산업혁명과 성공사례 소개
기계저널
2019 .01
-
PHM 기법을 활용한 차량용 고속 베어링의 플레이킹 결함 진단 및 예측 알고리즘 개발
한국신뢰성학회 학술대회논문집
2024 .06
-
PHM(Predictive maintenance Health Monitoring) 개념 및 사례
한국신뢰성학회 학술대회논문집
2016 .05
이 논문의 저자 정보
이 논문과 함께 이용한 논문
잔여유효수명 예측값을 활용한 최적의 정비 시점 결정모델
김정태
한국신뢰성학회 학술대회논문집
2021
.06
산업 인공지능 기반 발전 설비 고장 진단 및 예측 시스템 개발
고진욱
,
이진욱
,
김형민
외 2명
기계저널
2022
.11
건전성 예측 및 관리를 위한 딥러닝 기반 전이 학습 사례 연구
송승환
,
황우영
,
이유진
외 2명
대한산업공학회 춘계공동학술대회 논문집
2022
.06
MLP와 CNN에 의한 하중 검출의 신뢰성 연구
강정호
신뢰성응용연구
2024
.03
파일럿 체크 밸브 신뢰성 시험법에 관한 고찰
이충성
,
조유희
,
임신열
외 2명
신뢰성응용연구
2023
.12
최근 본 자료
댓글(0)
0