KSC 2018
Current Result Document : 2 / 2
| 한글제목(Korean Title) |
고장 탐지와 잔여 유효 수명 예측을 위한 Convolutional Neural Network 기반의 멀티 태스크 러닝 |
| 영문제목(English Title) |
Deep Convolutional Neural Network Based Multitask learning for fault detection and remaining useful life prediction |
| 저자(Author) |
김태산
손소영
Tae San Kim
So Young Sohn
|
| 원문수록처(Citation) |
VOL 45 NO. 02 PP. 0674 ~ 0676 (2018. 12) |
한글내용
(Korean Abstract) |
자산의 유지 보수 및 건강 관리(health management)는 여러 산업 분야에서 매우 중요하다. 특히, 잔여 유효 수명(remaining useful life, RUL) 예측은 제품 건강 관리에서 중요한 역할을 한다. 잔여 유효 수명을 파악하기 위해서는 상태 모니터링, 성능 이상 및 고장 진단 과정을 거친다. 각각의 태스크(task)는 상태 기반 관리 기법(condition based maintenance, CBM)의 핵심 요소이며, 다양한 통계적 기법 기반 접근 방식들이 각 태스크에 활용되고 있다. 하지만, 잔여 유효 수명을 효과적으로 예측하기 위해 잔여 유효 수명 추정과 다른 태스크들의 연관성을 고려한 연구는 없었다. 따라서, 본 연구는 convolutional neural network (CNN)을 기반으로 잔여 유효 수명 예측과 성능 이상 예측 두 태스크를 동시에 학습하여 잔여 유효 수명을 보다 효과적으로 예측하는 딥러닝 프레임워크를 제시하고자 한다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
