Anshuman Singh, 기계 엔지니어, GE Power & Water
John Korsedal, GE Power & Water 컨설팅 엔지니어
Brad Foulkes, GE Power & Water의 수명 주기 신뢰성 엔지니어링 기술 리더
기계의 수명은 수백 개의 부품으로 구성됩니다. 각 부품은 다양한 작동 조건의 영향을 받는데, 이러한 조건 중 상당수는 설계 과정에서 고려되지 않습니다. 따라서 부품의 실제 수명은 단일 지점이 아니라 작동 데이터의 영향을 받는 분포를 나타냅니다. 또한, 부품의 고장이 전체 기계의 고장으로 이어지지 않을 수 있으므로 정확한 고장 발생 시간을 파악하기 어려운 경우도 있습니다. 이러한 변동 요인은 생존 모델링을 점점 더 어렵게 만들지만, 작동 데이터를 포함하는 것은 이러한 변동의 영향을 줄이는 한 가지 방법입니다. JMP Pro는 작동 데이터를 이해하는 데 사용됩니다. 인공 신경망과 부트스트랩 모델링을 활용하여 불균형 이산 결과를 사용하여 부품 수명의 동인을 파악하는 기존 생존 모델에 대한 병렬 접근법을 개발했습니다. 이 병렬 접근법과 JMP Pro 시각화를 통해 중요 X를 식별하고 생존 모델에 추가합니다. 이러한 방법들을 일관되게 적용하면 부품 수명에 대한 더 나은 생존 모델을 얻을 수 있습니다. 본 프레젠테이션에서는 요인을 식별하고 더욱 정확한 모델을 구축하는 데 사용되는 모델링 기법을 소개합니다.
