Earticle

현재 위치 Home

Naive Bayes-LSTM 기반 예지정비 플랫폼 적용을 통한 화물 상차 시스템의 운영 안전성 및 신뢰성 확보 연구
On the Parcel Loading System of Naive Bayes-LSTM Model Based Predictive Maintenance Platform for Operational Safety and Reliability

첫 페이지 보기
  • 발행기관
    대한안전경영과학회 바로가기
  • 간행물
    대한안전경영과학회지 KCI 등재 바로가기
  • 통권
    제25권 제4호 (2023.12)바로가기
  • 페이지
    pp.141-151
  • 저자
    황선우, 김진오, 최준우, 김영민
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A439778

※ 기관로그인 시 무료 이용이 가능합니다.

4,200원

원문정보

초록

영어
Recently, due to the expansion of the logistics industry, demand for logistics automation equipment is increasing. The modern logistics industry is a high-tech industry that combines various technologies. In general, as various technologies are grafted, the complexity of the system increases, and the occurrence rate of defects and failures also increases. As such, it is time for a predictive maintenance model specialized for logistics automation equipment. In this paper, in order to secure the operational safety and reliability of the parcel loading system, a predictive maintenance platform was implemented based on the Naive Bayes-LSTM(Long Short Term Memory) model. The predictive maintenance platform presented in this paper works by collecting data and receiving data based on a RabbitMQ, loading data in an InMemory method using a Redis, and managing snapshot DB in real time. Also, in this paper, as a verification of the Naive Bayes-LSTM predictive maintenance platform, the function of measuring the time for data collection/storage/processing and determining outliers/normal values was confirmed. The predictive maintenance platform can contribute to securing reliability and safety by identifying potential failures and defects that may occur in the operation of the parcel loading system in the future.

목차

Abstract
1. 서론
2. 예지정비 관련 선행연구 분석
2.1 선행연구 고찰을 통한 문제 정의
2.2 연구 절차
3. 화물 상차 시스템의 운영 안정성/신뢰성확보를 위한 예지정비 플랫폼 구축
3.1 Long Short-Term Memory 모델
3.2 Naive Bayes 보정 모델
3.3 화물 상차 시스템 예지정비 플랫폼 구축
4. 화물 상차 시스템의 예지정비 플랫폼구축 및 검증 결과
4.1 예지정비 플랫폼 웹 구축 결과 평가
4.2 Naive Bayes-LSTM 연계 예지정비의성능 검증
5. 결론
6. References

키워드

Cargo Loading System Predictive Maintenance Long Short-Term Memory Safety System

저자

  • 황선우 [ Sunwoo Hwang | 아주대학교 시스템공학과 ]
  • 김진오 [ Jinoh Kim | (주)코어디아이티 ]
  • 최준우 [ Junwoo Choi | (주)노바 기업부설연구소 ]
  • 김영민 [ Youngmin Kim | 아주대학교 시스템공학과 ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    대한안전경영과학회 [Korea Safety Management & Science]
  • 설립연도
    1999
  • 분야
    공학>안전공학
  • 소개
    안전경영에 관한 학문과 기술을 발전,보급,응용하여 안전기술 및 관리기술의 진흥에 공헌하며, 재해예방을 통한 안전사회의 구현을 그 목적으로 함.

간행물

  • 간행물명
    대한안전경영과학회지 [Journal of Korea Safety Management & Science]
  • 간기
    계간
  • pISSN
    1229-6783
  • eISSN
    2288-1484
  • 수록기간
    1999~2025
  • 십진분류
    KDC 530 DDC 620

이 권호 내 다른 논문 / 대한안전경영과학회지 제25권 제4호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.