최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 원심펌프의 고장 진단을 위한 데이터 기반 시스템과 머신러닝 모델을 제안합니다. 다양한 데이터를 수집하고 신호 전처리 및 특징 추출 과정을 통해 펌프 고장을 효과적으로 진단할 수 있습니다. 시뮬레이션 및 사례 연구를 통해 제안된 분석 프레임워크의 실용성과 신뢰성을 입증했습니다.
Fault-diagnosis applications : model-based condition monitoring: actuators, drives, machinery, plants, sensors, and fault-tolerant systems
Introduction of intelligent machine fault diagnosis and prognosis
Machine learning-based fault diagnosis for industrial engineering systems
Complex system maintenance handbook
Turbomachinery : design and theory
Pump characteristics and applications
Statistical process monitoring using advanced data-driven and deep learning approaches : theory and practical applications
Fault detection and diagnosis in industrial systems
Working guide to pumps and pumping stations : calculations and simulations
Model-based fault diagnosis in dynamic systems using identification techniques
Parameter estimation, condition monitoring, and diagnosis of electrical machines
Maintenance fundamentals
Predictive maintenance of pumps using condition monitoring
Pumps for chemical processing
System fault diagnostics, reliability and related knowledge-based approaches
Vibration and wear in high speed rotating machinery
Computers and Chemical Engineering
Dutta A.,Karimi I.A.,Farooq S.한국산학기술학회논문지
박희범, 허장욱IEEE ACCESS
Sunal, Cem Ekin; Dyo, Vladimir; Velisavljevic, VladanJournal of Mechanical Science and Technology
Measurement: Journal of the International Measurement Confederation
Rapur J.S.,Tiwari R.Mechanical Systems and Signal Processing
Wang, J.; Zhang, L.; Zheng, Y.; Wang, K.IEEE Access
Ahmad Z.,Rai A.,Maliuk A.S.,Kim J.M.Advances in Engineering Software
Deng H.,Xia Z.,Sun Z.,Zheng S.,Liu Y.Measurement: Journal of the International Measurement Confederation
Cao S.,Hu Z.,Luo X.,Wang H.Expert Systems with Applications
e Souza A.C.O.,de Souza M.B.,da Silva F.V.Journal of Physics: Conference Series
Christopher Stephen; Vivek Guguloth; Kumaraswamy Sivasailam; Yandong Gu; Richa Parmar; Chandan BanerjeeJournal of Mechanical Science and Technology
Journal of Mechanical Science and Technology
Chang, Kyuchang; Park, Seung HwanSensors (Switzerland)
Tang S.,Yuan S.,Zhu Y.,Li G.JOURNAL OF INTELLIGENT MANUFACTURING
Singh, Vikas; Gangsar, Purushottam; Porwal, Rajkumar; Atulkar, A.Journal of Vibration Engineering & Technologies
S. Manikandan; K. DuraiveluIEEE Transactions on Instrumentation and Measurement
Wei Cheng; Song Wang; Yilong Liu; Xuefeng Chen; Zelin Nie; Ji Xing; Rongyong Zhang; Qian HuangSymmetry
Velimirović L.Z.,Janković R.,Velimirović J.D.,Janjić A.Sensors
Zhang Z.,Tang A.,Zhang T.신뢰성 응용연구
김수주, AKPUDO UGOCHUKWU EJIKE, 허장욱전선 / 대학원
펌프와 팬과 같은 유체기계 시스템의 농업기계나 시설농업에 적용, 유체기계의 성능측정, 유공압시스템의 해석방법과 시뮬레이션 기법 등을 다룬다.전선 / 대학원
본 과목에서는 농식품 산업에서의 공급망 및 운영전략과 관련하여 기후변화 및 지속가능성, 공급망 레질리언스 및 글로벌 공급망 운영전략 등의 관점에서 기본적인 이론과 모형을 습득하고 해당 분야의 최근 연구 동향을 살펴보는 것을 목표로 한다. 구체적으로 공급망 입지 및 네트워크, 구매 전략, 공급망 협력, 생산 및 운영전략, 공급망 혁신기술 등의 연구 분야에서 주요 연구 결과를 논의하고 새로운 연구 문제를 창출할 수 있도록 한다.전선 / 대학원
본 강의는 농식품 공급망에서의 레질리언스 역량 강화에 대한 이론 및 모형을 다루고 농식품 공급망 레질리언스와 관련된 주요 이슈 및 연구 동향을 살펴보며 이를 통해 공급망 레질리언스 구축 방안에 대해 심층적으로 논의하는데 그 목표를 두고 있다. 구체적으로 농식품 공급망에서의 다양한 리스크 요인들을 살펴보고 이에 대해 공급망 입지 및 공급망 설계, 구매 및 공급자 관리, 생산 및 운영 등의 전략적 접근 방안을 다루게 된다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전필 / 대학원
본 과목은 생산관리의 전략적, 전술적, 그리고 운영적 측면을 모두 다룬다. 구체적으로 본 과목에서는 원재료의 조달부터 제품의 생산 그리고 생산된 제품을 최종소비자에게 전달하기까지 공급사슬 전 과정에서 직면하게 되는 수요예측, 총괄계획, 구매조달, 네트워크 설계, 물류, 재고계획, 공급계획, 공급사슬 상의 조화 문제 등에 초점을 둔다. 본 과목의 목표는 학생들이 기본적인 생산관리활동들을 배우고, 이러한 활동들이 기업 내부에서 어떠한 역할을 하는가를 이해하는 데 있다. 이러한 생산관리에 대한 기본적인 이해를 통해서 학생들은 공급사슬관리 관점에서 생산관리와 관련된 개념들과 문제들에 대한 기본적인 이해력을 가지게 될 것이다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.공통 / 대학원
기계 학습은 새로운 통계방법론 및 알고리즘 개발의 기반역할을 하고 있다. 이 과목에서는 고급기계학습을 위한 방법론을 이론적 기초와 함께 강의할 예정이다. 또한 방법론의 실용적 측면과 직관을 통하여 이론적 내용을 제공하여 학생들이 상황에 맞는 적절한 분석방법과 각자의 연구주제에 적합한 분석 툴에 개발하는데 도움을 주고자 한다. 구체적으로 머신러닝 연구에 중요한 비모수추론, 집중 부등식, 최적화 및 변분 방법등과 같은 주제를 다를 예정이다전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.전선 / 대학원
기업의 의사결정 문제에서 가장 중요한 이슈 중의 하나는 속도보다 방향이 중요하다는 것이다. 본 교과목은 현재 및 미래의 스마트한 제조기업 운영을 위한 기초 과정에 해당되는 과목이다. 현재 가장 경쟁력 있는 제조 기업으로 알려진 토요타 자동차 사의‘TPS(Toyota Production System)'를 분석하고, 이를 뛰어넘을 방법을 공부한다. 이와 관련하여 스마트 공장의 수준을 다섯 단계로 구분하여 이를 역사적 관점에서 공부한다. 그리고 시스템 공학적 제품 설계, 생산 및 서비스 혁신 방법론, 데이터 기반 분석 및 예측, 그리고 시뮬레이션 등 스마트한 산업 시스템의 운영과 관련된 다양한 주제에 대해 공부한다. 본 과목의 수강생들은 향후 최고 경영자로 성장하였을 때 최고 수준의 기업을 운영할 소양을 갖출 수 있게 될 것이다.전선 / 대학원
데이터 마이닝은 빅 데이터를 분석하기 위한 핵심 도구로서 많은 관심을 받고 있다. 특히 컴퓨터 공학 측면에서 고급 데이터 마이닝 알고리즘 및 분석 플랫폼을 설계하고 구현하는 기술을 학습하는 것은 최근 넘쳐나는 빅 데이터에서 실행 가능한 지식을 추출하는데 핵심적인 역할을 한다. 본 과목에서는 빅 데이터를 분석하기 위한 컴퓨터 공학 기반 고급 기술, 알고리즘, 핵심 플랫폼을 다룬다. 또한 초 대용량 데이터, 초고속 데이터 등을 효과적으로 분석하는 기법을 학습한다.전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.전선 / 학사
통계분석 결과를 정확히 이해·해석하기 위한 확률과 기술통계, 가설검정, F 분포와 분산분석, 회귀·상관, 범주형·빈도 분석을 다룬 뒤, 머신러닝의 핵심 개념을 가볍게 소개한다. 간단한 분류·회귀·군집 알고리즘 및 기초적 모델 해석 가능성과 윤리·편향 이슈를 실습 중심으로 학습한다.전선 / 대학원
압축기, 터빈, 송풍기, 펌프 등의 터보기계와 관련된 이론 및 해석 방법을 실제 기계의 설계 및 성능해석과 관계시켜 공부한다. 이를 통해 실제 시스템에서 발생하는 현상을 이해하고, 실제와 관련된 문제점을 파악하여 해석 방법의 개발과 관련된 연구에 활용하도록 한다.전선 / 대학원
본 교과목의 목표는 스마트팜 분야의 다양한 형식의 데이터를 분석 및 활용하는데 필요한 기계학습 기술과 지식을 제공하는 것이다. 다양한 전공자가 쉽게 접근할 수 있도록 기계학습 방법론뿐 아니라 컴퓨터 언어, 확률 및 통계 등 기계학습 이해를 위한 기초적인 내용들을 포함한다. 수강자는 본 과목의 이수를 통해 기계학습의 전반적인 이해와 함께, 스마트팜 분야의 다양한 형식의 데이터에 대한 기초적인 분석 및 응용에 활용할 수 있으며 추후 심화과정을 위한 기초 지식으로 활용할 수 있다.전선 / 대학원
본 교과목의 목표는 스마트팜 분야의 다양한 형식의 데이터를 분석 및 활용하는데 필요한 기계학습 기술과 지식을 제공하는 것이다. 다양한 전공자가 쉽게 접근할 수 있도록 기계학습 방법론뿐 아니라 컴퓨터 언어, 확률 및 통계 등 기계학습 이해를 위한 기초적인 내용들을 포함한다. 수강자는 본 과목의 이수를 통해 기계학습의 전반적인 이해와 함께, 스마트팜 분야의 다양한 형식의 데이터에 대한 기초적인 분석 및 응용에 활용할 수 있으며 추후 심화과정을 위한 기초 지식으로 활용할 수 있다.전선 / 대학원
데이터와 컴퓨팅 역량의 폭발적인 증가로 인해, 비즈니스 의사결정에서 데이터 분석과 정량적 모델링의 활용은 필수적인 요소가 되었다. 이 과목은 데이터 과학과 고급 경영과학을 결합하여, 다양한 비즈니스 환경에서 데이터의 활용을 통한 효율적 의사결정 시스템을 구축하기 위한 기술과 도구들을 다룬다. 전통적인 데이터 처리 및 분석을 넘어, 데이터를 스마트하고 해석 가능하며 실행 가능한 비즈니스 의사결정으로 변환하는 '처방적 분석' 방법론에 중점을 둔다. 구체적으로는 머신러닝 알고리즘, 고급 의사결정 모델링, 최적화와 같은 기술을 결합하여 자원 배분, 공급망 관리, 불확실성 대응, 경제성 분석 등 다양한 문제들을 데이터와 정량적 근거에 기반하여 해결하는 능력을 배양하는 것을 목표로 한다. 고급 엑셀 기능과 기본적이고 쉽게 이용 가능한 파이썬 모델링 기법 등 실무적인 도구들을 익히며, 코딩 기술이 요구되지 않는 상황에서도 이 도구들의 메커니즘을 이해하고 활용할 수 있는 매니저로서의 역량을 기르게 될 것이다. 이 과목은 처방적 분석 방법론의 실무적 유용성에 초점을 맞추어, 다양한 분야에서 해석 가능하고 실행 가능한 의사결정 시스템을 구축하려는 경영 매니저들에게 유용할 것이다.전선 / 대학원
주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할수 있는 컴퓨터 프로그램 개발에 많은 연구가 계속되어 오고 있다. 이러한 연구의 핵심 분야인 기계 학습(Machine Learning)에 관한 강의로써 현재까지 발표된 대표적인 연구 논문들을 중심으로 이론및 알고리즘, 응용 분야등을 설명한다.전선 / 대학원
농업 기계 및 설비의 성능시험과 개발에 필요한 측정 장치의 구성 및 원리, 신호처리 및 데이터 수집 시스템의 구성, 데이터의 수집 및 분석 방법을 다룬다.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
국민생활과 산업발전에 없어서는 안될 전력에 대해 공학적·경제학적 통합분석을 수행한다. 주로 project evaluation, optimal plant mix, DSM(Demand Side Management), Forecasting Methods, IRP(Integrated Resource Planning), marginal cost pricing, peak-load pricing, time-of-use pricing, rate of return regulation, price cap regulation, econimies of scale, economies of scope, subadditivity, efficiency, privitization, emission control, environmental damage cost, environmental control cost, shadow price, internalization of social cost 등을 다룬다.