HOME > 공학 > 기타(공학) > 한국산학기술학회 > 한국산학기술학회 논문지
차륜 및 차축베어링 고장진단을 위한 빅데이터 기반 머신러닝 기법 연구 -
분야 공학 > 기타(공학)
저자 정훈 박문성
발행기관 한국산학기술학회
간행물정보 한국산학기술학회 논문지 2018년, 한국산학기술학회논문지 제19권 제1호, 75page~84page(총10page)
파일형식 3407487 [다운로드 무료 PDF 뷰어]
판매가격 6,000원
적립금 180원 (구매자료 3% 적립)
이 자료를
논문의 미리보기 2페이지를 PDF파일로 제공합니다.
 
연관 논문
빅데이터를 이용한 딥러닝 기반의 기업 부도예측 연구
빅데이터 시대의 예측 도구, Machine Learning의 올바른 활용법
지역별 정책제시를 위한 자기조직화지도 기반의 군집분석과 평가 -
머신러닝을 이용한 빅데이터 도메인 자동 판별에 관한 연구
농장 데이터 및 텐서플로우를 이용한 머신러닝 기반 방울토마토의 최적 수확시기 예측
 
 
목차
부제 : A Study of Big data-based Machine Learning Techniques for Wheel and Bearing Fault Diagnosis
요약
Abstract
1. 서론
2. 본론
3. 결론
References
 
 
국문초록
본 철도 유지보수 산업의 효율화를 위해서는 핵심부품의 적시 관리를 통한 부품 가동률 향상 및 철도 운행의 안정성 향상이 필요하다. 또한 유지보수 시스템 고속화에 따른 신뢰성 향상과 핵심부품의 유지보수 비용 절감의 두 가지 측면을 모두 만족시키기 위해, 부품 이력관리와 대규모 빅데이터의 자동화된 분석 기술을 활용한 부품 상태 진단 기술 수요가 증가하고 있다. 이 논문에서는 철도차량의 차상 및 지상 장치로부터 발생되는 실시간 빅데이터 수집, 처리, 분석을 위해서 빅데이터 플랫폼 기반의 철도차량 부품의 상태 데이터 관리시스템을 개발하였으며, 이 시스템의 활용으로 철도차량의 부품 상태정보 및 시스템 리소스에 대한 실시간 모니터링이 가능하다. 또한 빅데이터 플랫폼으로부터 수집된 상태 데이터를 기반으로 분산/병렬처리 및 자동화된 부품 고장진단이 가능한 머신러닝 기법을 제안하였다. 실험결과, 분산/병렬처리 기술이 적용된 알고리즘의 실행시간 단축을 아마존 웹서비스의 가상 인스턴스 생성 시스템을 통해 증명하였으며, random forest 머신러닝기법을 활용한 고장 진단 모델의 베어링 및 차륜 부품에 대한 상태 예측 정확도가 83%임을 확인하였다.
 
 
영문초록
Increasing the operation rate of components and stabilizing the operation through timely management of the core parts are crucial for improving the efficiency of the railroad maintenance industry. The demand for diagnosis technology to assess the condition of rolling stock components, which employs history management and automated big data analysis, has increased to satisfy both aspects of increasing reliability and reducing the maintenance cost of the core components to cope with the trend of rapid maintenance. This study developed a big data platform-based system to manage the rolling stock component condition to acquire, process, and analyze the big data generated at onboard and wayside devices of railroad cars in real time. The system can monitor the conditions of the railroad car component and system resources in real time. The study also proposed a machine learning technique that enabled the distributed and parallel processing of the acquired big data and automatic component fault diagnosis. The test, which used the virtual instance generation system of the Amazon Web Service, proved that the algorithm applying the distributed and parallel technology decreased the runtime and confirmed the fault diagnosis model utilizing the random forest machine learning for predicting the condition of the bearing and wheel parts with 83% accuracy.
 
 
Fault Diagnosis, Machine Learning, Big data, Bearing/Wheel, Rolling Stock
 
 
도움말
본 논문은 참고용 논문으로 수정 및 텍스트 복사가 되지 않습니다.
 
 
추천자료
[안전공학과]안전기사 자격증 줍기
[품질경영] 자동차산업의 품질혁신
사물인터넷의 현황과 사례 및 사물인터넷의 적용분야 분석
화웨이 글로벌 혁신사례와 이를 더욱 발전시키기 위한 혁신전략(1)
[세계의 역사] 4차 산업혁명과 관련된 10건 이상의 언론 기사들을 참조하여 4차 산업혁명에 대한 자신의 입장을 기술하시오 2019년 중간과제물
[국어정서법] 어문규정 준수 실태- 가전제품과 화장품 사용설명서를 중심
4차 산업혁명 이미 와 있는 미래_레포트
[유통관리사시험] 유통관리사2급모의고사및2006년~2008년2차시험및핵심요약
[국제경영]GM & 대우의 전략적 제휴
[KCU][계절학기 A+] 대한민국 1%가 될 수 있는 소자본 창업과 경영 족보
오늘 본 자료
오늘 본 자료가 없습니다.
장바구니 담은 자료
장바구니가 비어 있습니다.
이 간행물 인기자료
8m급 고속 활주선형 레저보트의 구조...
분양가상한제 적용여부에 따른 아파트...
연속식결정화기 정상상태에서 탄산칼...
컬러마케팅, 브랜드 카리스마와 마케...
연축전지와 리튬이온전지용 하이브리...
이 간행물 신규자료
투고규정(Instructions to Authors) ...
로버 카메라 시스템을 이용한 건설공...
YOLO-v3을 활용한 건설 장비 주변 위...
악성 스크립트 패턴 분석을 통한 악성...
IMG 발포일체성형 크래시패드 개발 -
저작권 정보
본 학술논문은 ㈜누리미디어와 각 학회간에 저작권 계약이 체결된 것으로 HAPPY학술이 제공하고 있습니다. 본 저작물을 불법적으로 이용시는 법적인 제재가 가해질 수 있습니다.
 
서비스이용약관 | 개인정보취급방침 | E-mail 수집 거부 | 제휴 및 광고문의 | FAQ
이메일 무단 수집 거부
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나 그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며, 이를 위반시 정보통신망법에 의해 형사처벌됨을 유념하시기 바랍니다. [게시일 2003년 4월 2일]