최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 가스배관 부식 결함 데이터 부족 문제를 해결하기 위해 GAN을 활용하여 가상 데이터를 생성하고, 이를 통해 잔여수명 확률분포를 추정하는 방안을 제시한다. 피깅 데이터로부터 얻은 부식 결함 데이터를 기반으로 GAN을 구축하고, 생성된 가상 데이터를 활용하여 FOSM 알고리즘으로 신뢰도 및 잔여수명을 계산한다. 수치예제 결과, 제안된 방법은 잔여수명 예측 오차 한계를 제시할 수 있음을 확인했다.
Damage prognosis for aerospace, civil and mechanical systems
Probability applications in mechanical design
Reliability modelling : a statistical approach
Reliability and Life-Cycle Analysis of Deteriorating Systems
Bayesian methods in reliability
Fault detection and diagnosis in engineering systems
실전! GAN 프로젝트 : 텐서플로와 케라스를 이용한 차세대 생성적 적대 신경망 모델 구축
The Statistical analysis of failure time data
Advances in stochastic models for reliability, quality, and safety
Statistical inference on residual life
The Birnbaum-Saunders distribution
Reliability : probabilistic models and statistical methods
신뢰성공학 =
Reliability engineering
Life table techniques and their applications
Reliability and maintenance of complex systems
Statistics for fission track analysis
Unified constitutive equations for creep and plasticity
텐서플로를 이용한 고급 딥러닝
신뢰성 응용연구
안영근; 김성준; 김도현; 김철만; 김우식한국지능시스템학회 논문지
김성준; 최병학; 김우식한국지능시스템학회 논문지
김성준, 최병학, 김우식한국산학기술학회논문지
노유정Journal of Pipeline Systems Engineering and Practice
Weiguo, Zhou; Dongjing, Liu; Hai, Wang; Xinxin, PanJournal of Pipeline Systems Engineering and Practice
Pan Xinxin; Zhou Weiguo; Liu Dongjing; Wang Hai한국산학기술학회논문지
노유정대한금속·재료학회지
최병학; 김성준; 심종헌; 김우식; 김철만Mechanical Systems and Signal Processing
Wen L.,Su S.,Li X.,Ding W.,Feng K.Mechanical Systems and Signal Processing
Boškoski, P.; Gašperin, M.; Petelin, D.; Juričić, D.한국지능시스템학회 논문지
김성준Journal of Korean Institute of Intelligent Systems
Kim, Dohyun; Seong-Jun Kim; Woo-Sik Kim; Cheol man Kim한국가스학회지
조영도, 박교식, 이진한, 박진희Journal of Risk and Uncertainty in Engineering Systems, Part B: Mechanical Engineering
Mazumder, Ram Krishna; Modanwal, Gourav; Li, Yue품질경영학회지
김성준, 김도현, 김우식, 김영표, 김철만Journal of Machinery Manufacture and Reliability
Kucheryavyi, V. I.; Mil’kov, S. N.IIE Transactions (Institute of Industrial Engineers)
Son, J.; Zhou, S.; Zhou, Q.; Salman, M.IEEE Transactions on Industrial Informatics, Industrial Informatics, IEEE Transactions on, IEEE Trans. Ind. Inf.
Wang, Y.; Peng, Y.; Zi, Y.; Jin, X.; Tsui, K.Applied Sciences (Switzerland)
Hu Y.,Bai Y.,Fu E.,Liu P.Journal of Mechanical Science and Technology
Mengyao Gu, Jiangqin Ge전선 / 대학원
중도절단 생존시간 자료를 분석하는 고급 통계적 기법들을 다룬다. 생존함수의 추정을 위한 일반적인 방법인 KaplanㅡMeier 추정량의 정의 및 여러 성질들을 다룬다. 좌 절단 자료의 분석을 위하여 필수적인 셈 과정에 대한 이론을 배우고, 이를 이용한 위험함수의 추정방법을 설명한다. 생존시간 자료의 회귀모형을 위하여 비례위험모형에 대하여 다루고, 회귀계수의 점근적 일치성 및 근사분포를 유도한다.전선 / 대학원
피로 파괴 모형, 피로 수명 예측, 신뢰도 등 기계 설계의 고급 내용과 변속 장치, PTO, 전동라인, 로터리-트랙터, 로외 장비 등의 기본 설계 이론과 방법 등을 다룬다. 특히 컴퓨터 설계 기법을 강조하여 다룬다.전선 / 학사
본 강의에서는 (1) 자동제어와 계측 프로그램을 이용한 재료공정제어의 실습, (2) 실험 데이터의 체계적 분석을 위한 통계적 기법인 분산분석, 회귀분석기법 등의 이해, (3) 기본적인 통계이론의 이해를 위해 필수적인 확률분포, 추정 및 검정의 개념 이해, (4) 최근 6시그마의 주요한 도구로 각광을 받고 있는 실험설계법과 다구찌 기법의 이해와 활용, (5) 통계해석 프로그램의 활용과 실습을 통해 재료공정의 제어, 공정 데이터의 해석 및 적용에 관한 내용을 다룬다.전선 / 대학원
본 과목은 생산서비스운영 (OM) 분야의 연구를 이해하기 필요한 기본적인 확률론 및 분석기법을 살펴본다. 다양한 OM 이론분석 연구에 사용되는 확률과정론을 이해하고, Probability, Poisson Process, Continuous time Markov Chains and Queueing Theory와 같은 개념을 익혀본다. 확률과정론을 활용하여 OM 분야의 다양한 주제에 대한 적용 예를 살펴보고, 응용을 위한 미니 프로젝트를 수행한다.전선 / 대학원
대기이론(queueing theory)과 신뢰성공학 등의 기초가 되는 추계학(stochastic process)의 기본적 개념, 정리와 이의 실제 응용을 연구한다. Markov chain, Poisson process, Markov process, renewal theory 등의 여러 특성, 관련된 주요 정리 및 최고의 연구결과를 분석, 토의하여 기술자의 직관과 연구가의 이론의 부합을 이룬다.전선 / 학사
생존시간(survival time)에 관한 추정과 검정을 하거나 생존시간에 관한 회귀모형을 사용하여 생존 시간에 영향을 미치는 위험인자를 찾아내는 통계기법을 공부한다. 개체가 생존할 확률을 나타내는 생존함수(survival function)를 추정하기 위한 생명표(life table)법과 카플란-마이어(Kaplan-Meyer) 추정법을 소개하고 여러 처리(treatment) 그룹을 비교하기 위한 검정법을 다룬다. 또한 회귀모형에 관한 대표적인 모형인 Cox의 비례위험모형 (proportional hazard model)과 가속화된 회귀모형(accelerated regression model)에 관하여 공부한다.전선 / 대학원
산업공학의 새로운 기법들을 소개하고 이의 응용실태를 알아본다.전선 / 대학원
고급 확률 그래프 모형(PGM)은 많은 수의 변수가 상호작용하는 복잡한 도메인에 대한 확률 분포를 표현하는 효과적인 방법이다. 따라서 확률 그래프 모형은 의료진단, 이미지 및 음성인식, 스포츠통계, 생물정보학 등과 같은 다양한 분야에 적용되는 머신러닝 방법들의 핵심적인 역할을 한다. 이 강의는 방향성 그래프를 이용하는 베이지안 네트워크; 무방향성 그래프를 사용하는 마르코프 네트워크의 이론적 성질과 학습 방법 그리고 실제 적용 사례를 설명한다.전선 / 대학원
Shortest path, Network flow 등의 그래프 문제를 해결하는 최근에 개발된 알고리즘과 알고리즘 분야에서의 최근의 연구결과를 학습한다. 분산 시스템의 여러 모델들과 분산 시스템에서 발생하는 중요한 문제들을 해결하는 분산 알고리즘에 관하여 연구한다.전선 / 대학원
해당과목은 공학분야에서 중요한 통계적 데이터 처리, 통계적 공학해석, 통계기반 공학설계 이슈들을 다룬다. 통계적 데이터 처리에서는 공학통계, 통계적 데이터 처리의 정성적, 정량적 접근법과 베이지안 통계학을 배운다. 통계적 공학해석은 신뢰성함수, 위험도함수, 가속수명시험, 불확실성 해석, 신뢰성해석, 건전성 진단 및 예지기술을 배운다. 통계기반 설계에서는 통계기반 민감도 해석, 반응함수법, 신뢰성기반 최적설계를 다룬다. 끝으로 공학시스템의 건전성 모니터링기술을 간단히 다룬다.교양 / 학사
이 과목의 목적은 데이터 문해력에 대한 기본지식을 함양하고 이를 통하여 데이터 기반 의사결정능력과 올바른 정보를 취사선택하는 방법을 익히는 데 있다. 이 과목을 통하여 다양한 통계의 오용사례를 살펴보고 데이터를 전달하는 미디어를 올바르게 이해하고 데이터를 기반으로 효율적으로 본인의 주장을 제시하는 방법에 대해 배운다.전선 / 학사
공간적으로 분포하는 자료들의 특징을 분석하고 이용하여 원하는 정보를 예측하는 기법을 학습한다. 구체적으로 확률과 통계의 기본적인 내용을 전반기에 공부한다. 후반기에는 공간정보의 상호관계를 나타내는 베리오그램과 그 모델링 기법을 공부한다. 미지의 값을 예측하기 위한 단순크리깅, 정규크리깅, 공동크리깅 같은 다양한 크리깅 기법과 다각형법 같은 비크리깅 기법을 공부한다.전선 / 학사
확률론적 안전성 평가(PSA)는 원자력발전소와 같은 대규모 공학설비의 안전성을 정량적으로 평가하기 위한 효과적인 공학기법이다. 이 강의에서는 신뢰도 공학의 기본 개념을 익히고, 고장수목 및 사건수목 해석을 위한 확률 및 통계이론을 학습한다. 또한 고장수목해석 소프트웨어를 이용하여 간단한 원자력발전소 모형에 대한 1단계 PSA를 실습한다.전선 / 대학원
시스템 성능평가의 주요 도구 중 하나인 stochastic process와 queueing theory를 배움으로써, 컴퓨터 및 통신공학자들이 시스템을 모델링하고 성능분석 하는데 잘 활용할 수 있도록 한다. 이 강의에서는 기본 확률이론과 다양한 종류의 Markov Process, 큐잉 시스템을 포함하고 게임이론과 최적화 이론의 기본 개념을 다룬다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전선 / 대학원
한정된 자료들 사이의 공간적 상호관계를 분석하고 이를 바탕으로 임의의 위치에서 원하는 자료값을 예측하는 여러 크리깅 기법을 공부한다. 주어진 값과 그 분포를 항상 보전하는 조건부 시뮬레이션과 불확실성을 줄이기 위해 이용가능한 자료를 통합하여 사용하는 최적화 기법을 공부한다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전선 / 대학원
계통, 부품 및 시설전반의 신뢰도를 분석하고 다중심층원리를 적용시켜 계통의 안전도를 증가시키는데 목적을 둔다. 확률 및 신뢰도의 기본 개념, 계통의 Logic diagram 등과 부품간 상호작용 및 기본 확률 분포 및 고장모델, fault tree 구성 및 분석, 신뢰도 자료수집 그리고 Monte-Carlo법의 신뢰도 분석에의 응용을 공부한다.전선 / 대학원
구조신뢰성특강은 토목구조물이 갖고 있는 하중 또는 재료의 불확실성을 수학적으로 정량화하기 위한 논리적인 틀을 제시한다. 이 과목은 구조역학적인 원리를 고려한 probability, random variables 그리고 random processes 등으로 구성되어 있다. 그리고 최근에 개발된 구조설계기준의 기초를 구성하고 있다. 이 과목은 구조신뢰성 해석과정의 기초를 소개하는 것을 목적으로 하고 있고 다음의 세부 주제로 구성되어 있다. 확률과 확률변수의 소개 구조적인 구성요소와 시스템을 위한 신뢰성 이론의 정식화 정해와 일계, 이계 신뢰성 해석방법 신뢰성지수 시물레이션 해석법 신뢰성을 해석을 위한 민감도의 측정전선 / 대학원
노벨상을 수상한 AlphaFold는 통계 물리 이론에 기반한 확산(Diffusion) 기반 생성 모델을 활용하여 개발되었으며, 이는 최신 의료 인공지능 기술이 고급 확률 모델과 생성・추론 이론에 근거하고 있음을 시사합니다. 본 강의에서는 확산 기반 생성 모델(Diffusion Models)과 그 응용 기법을 포함한 최신 생성 및 추론 인공지능 모델의 핵심 이론을 확률론적 관점에서 체계적으로 탐구합니다. 특히, 확산 모델, 최적 확률 경로, 확률적 보간, 흐름 기반 모델 등의 최신 이론 기반 생성 기법의 데이터 분포 모델링 과정과 최적의 샘플을 생성・변환・복원・추론하는 과정을 심도 있게 분석합니다. 이를 통해 수강생들은 생성 및 추론 인공지능 모델의 확률적 구조와 수학적 원리를 이해하고, 최신 확산 기반 생성 모델 및 그 변형 기법들의 결과를 이론적으로 해석할 수 있는 능력을 갖추는 것을 목표로 합니다. 또한, 이러한 생성 및 추론 모델들이 의료 및 생의학 데이터를 포함한 다양한 도메인에서 어떻게 적용될 수 있는지를 이론적 관점 외 실습적 관점에서도 조망합니다. 궁극적으로, 본 강의는 생성 및 추론 인공지능 분야에서 어떻게 핵심 이론과 의료 분야 응용을 아우르는 전문성을 함양할 수 있도록 체계적인 학습 기회를 제공하는 것을 지향합니다.