KR102245922B1 - CFD(Computational Fluid Dynamics) 해석 이상 징후 예측 시스템 및 방법 - Google Patents
CFD(Computational Fluid Dynamics) 해석 이상 징후 예측 시스템 및 방법 Download PDFInfo
- Publication number
- KR102245922B1 KR102245922B1 KR1020180152749A KR20180152749A KR102245922B1 KR 102245922 B1 KR102245922 B1 KR 102245922B1 KR 1020180152749 A KR1020180152749 A KR 1020180152749A KR 20180152749 A KR20180152749 A KR 20180152749A KR 102245922 B1 KR102245922 B1 KR 102245922B1
- Authority
- KR
- South Korea
- Prior art keywords
- analysis
- analysis data
- signal
- early warning
- unit
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Development Economics (AREA)
- Fluid Mechanics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Architecture (AREA)
- Software Systems (AREA)
Abstract
본 발명은 플랜트 내 설치되는 부품들, 또는 그 외 플랜트 내 구조물들을 설계할 때에 컴퓨터를 이용한 물리적 상태를 해석하는 과정에서 당해 해석에 대한 결과가 산출되기 전 해석이 잘못된 방향으로 진행되는지 여부를 판별할 수 있게 하는 해석 이상 징후 예측 시스템 및 방법에 관한 것이다.
Description
본 발명은 플랜트 내 설치되는 부품들, 또는 그 외 플랜트 내 구조물들을 설계할 때에 컴퓨터를 이용한 물리적 상태를 해석하는 과정에서 당해 해석에 대한 결과가 산출되기 전 해석이 잘못된 방향으로 진행되는지 여부를 판별할 수 있게 하는 해석 이상 징후 예측 시스템 및 방법에 관한 것이다.
플랜트 내에는 매우 다양한 종류의 설치물들이 구비되는데, 이러한 설치물들은 본격적으로 제작하기에 앞서 많은 시간 및 노력을 들여 설계를 하게 된다. 고성능, 고신뢰성의 핵심 부품을 제작하기 위해서는 설계 과정에서 컴퓨터를 이용한 유체해석, 구조해석, 전자기해석 등과 같은 해석이 반드시 필요한데, 이러한 해석은 일반적으로 수십번 내지 수백번의 반복을 거쳐 이루어지며, 한 번의 해석에는 상당히 많은 시간이 소요된다.
한편, 이렇게 해석을 반복하는 과정에서는 많은 문제점들이 발생할 수 있는데 그에 따라 현실적으로 설계상 전혀 필요 없는 결과 값이 산출되는 경우도 비일비재하게 발생하고 있다. 예를 들어 해석을 위해 설계자가 격자 설계, 운전 조건 설정, 주요 파라미터 수치 설정 등을 입력하였으나, 이러한 입력들이 실수 또는 다른 요인에 의해 잘못된 것일 경우 많은 시간과 노력을 들여 수행한 해석의 결과가 전혀 잘못된 것이거나 또는 컴퓨터에 의한 해석 자체가 중단되는 사례가 발생할 수 있다. 이렇게 잘못된 해석 결과가 산출되거나 해석 자체가 중단되는 경우 다시 처음부터 재해석을 하여야 하는데, 재해석에 따른 시간과 노력의 낭비는 플랜트 및 설치물을 건설하는 과정에 있어 발생할 수 있는 막대한 손해의 원인이 되기도 한다.
본 발명은 이와 같은 플랜트 및 설치물 설계상의 문제점들에 착안하여 제안된 것으로, 해석 중간에 당해 해석에 대한 이상 징후를 미리 예측함으로써 시간과 노력의 낭비를 최소화 할 수 있는 시스템 및 방법에 관한 것이다.
본 발명은 플랜트 또는 설치물 설계에 필수적인 물리적 해석을 행함에 있어 당해 해석이 올바른 방향으로 진행되고 있는지를 지속적으로 평가하고, 잘못된 결과물을 산출할 가능성에 대해 이상 징후를 미리 파악함으로써 해석 과정에서의 시간 및 자원 낭비를 최소화 하고자 하는 것을 목적으로 한다.
또한 본 발명은 해석에 소요되는 시간과 자원의 낭비를 줄임으로써 전체 설계 과정의 효율성을 높이는 것을 목적으로 한다.
또한 본 발명은 해석이 올바르게 진행되고 있는지 여부에 대한 정보를 설계자에게 제공함으로써 비숙련 설계자가 플랜트 또는 설치물을 설계하더라도 소요 시간 및 자원을 크게 줄일 수 있도록 하는 것을 목적으로 한다.
위와 같은 문제점을 해결하기 위하여, 본 발명에 따른 해석 이상 징후 예측 방법은 (a) 제1 해석 데이터를 기초로 설계대상물에 대한 신호생성부 모델 및 해석모델을 생성하는 단계; (b) 제2 해석 데이터를 기초로 상기 신호생성부 모델에서 생성된 신호를 상기 해석모델에 적용시킴으로써 하나 이상의 예측값을 산출하는 단계; (c) 상기 예측값과 제2 해석 데이터를 비교하여 복수의 조기경보정보를 생성하는 단계; (d) 상기 복수의 조기경보정보들이 기 설정된 조건에 충족되는지 여부를 기준으로 조기경보 출력 여부를 결정하는 단계; 를 포함할 수 있다.
또한, 상기 해석 이상 징후 예측 방법에 있어서, 상기 제1 해석 데이터 및 제2 해석 데이터는 상기 설계대상물에 대하여 컴퓨터에 의해 수행된 유체 역학 해석 결과로부터 획득된 것일 수 있다. 이 때, 상기 제1 해석 데이터가 제2 해석 데이터에 비해 과거 시점에 획득된 것일 수 있으며, 또한 상기 제1 해석 데이터 및 제2 해석 데이터는 상기 설계대상물 주변의 유체를 단위 공간 별로 나눈 셀(cell)에 대한 데이터들을 포함할 수 있다.
또한, 상기 해석 이상 징후 예측 방법에 있어서 상기 (b) 단계는 제2 해석 데이터를 기초로 새로운 신호(VSG)를 생성하는 (b-1)단계; 상기 신호(VSG)를 상기 (a)단계에서 생성된 해석모델에 적용시킴으로써 예측값(YSIM)을 산출하는 (b-2)단계;를 포함할 수 있으며, 상기 (b-1)단계 이후, 상기 신호 (VSG)에 대해 보상처리를 하는 단계;를 더 포함하고, 상기 (b-2)단계에서 해석모델에 적용되는 신호 (VSG)는 상기 보상처리가 이루어진 후의 신호인 것을 특징으로 할 수 있다.
또한, 상기 해석 이상 징후 예측 방법에 있어서 상기 (c)단계는 상기 예측값과 상기 제2 해석 데이터와의 잔차값(residual value)을 산출하는 (c-1)단계; 및 상기 잔차값을 기초로 조기경보정보를 생성하는 (c-2)단계; 를 포함할 수 있으며, 이 때 상기 조기경보정보는 상기 잔차값이 기 설정된 범위 내에 포함되는지 여부에 대한 정보를 포함할 수 있고, 상기 조기경보정보는 각 셀(cell) 별로 생성되는 것일 수 있다.
또한, 상기 해석 이상 징후 예측 방법에 있어서, 상기 (d)단계는 개별 셀 단위로 이상 여부를 판단하는 단계, 적어도 둘 이상의 셀들을 그룹화하여 그룹별로 이상 여부를 판단하는 단계, 및 전체 셀에 대한 이상 여부를 판단하는 단계 중 적어도 하나 이상의 단계를 포함하여 진행될 수 있다.
한편, 본 발명의 또 다른 실시예에 따른 해석 이상 징후 예측을 위한 시스템은 제1 해석 데이터를 기초로 설계대상물에 대한 신호생성부 모델 및 해석모델을 생성하는 모델링 레이어; 및 제2 해석 데이터를 기초로, 상기 신호생성부 모델 및 해석모델을 이용하여 하나 이상의 예측값을 산출하고, 상기 예측값 및 상기 제2 해석 데이터를 비교하여 상기 설계대상물에 대한 해석에 대해 이상 여부를 판단하는 예측 레이어;를 포함할 수 있다.
또한, 상기 해석 이상 징후 예측을 위한 시스템에 있어서 상기 제1 해석 데이터 및 제2 해석 데이터는 상기 설계대상물에 대하여 컴퓨터에 의해 수행된 유체 역학 해석 결과로부터 획득된 것일 수 있으며, 상기 제1 해석 데이터 및 제2 해석 데이터는 상기 설계대상물 주변의 유체를 단위 공간 별로 나눈 셀(cell)에 대한 데이터들을 포함할 수 있다.
또한, 상기 해석 이상 징후 예측을 위한 시스템에 있어서 상기 예측 레이어는 제2 해석 데이터를 기초로, 상기 신호생성부 모델 및 해석모델을 이용하여 하나 이상의 예측값을 산출하는 예측부; 상기 예측값을 기초로 조기경보정보를 생성하는 조기경보 로직부; 상기 조기경보정보를 기초로 상기 설계대상물에 대한 해석의 이상 여부를 판단하는 진단부;를 포함할 수 있다.
상기 예측부는 제2 해석 데이터를 기초로 새로운 신호(VSG)를 생성하는 신호생성부; 상기 신호(VSG)를 상기 모델링 레이어에서 생성한 해석모델에 적용시킴으로써 예측값(YSIM)을 산출하는 시뮬레이션부;를 포함할 수 있으며, 나아가 상기 신호생성부에 의해 생성된 신호(VSG)에 대해 보상처리를 하고, 상기 보상처리된 신호를 상기 시뮬레이션부에 전달하는 보상부;를 더 포함할 수 있다.
또한, 상기 해석 이상 징후 예측을 위한 시스템 상기 조기경보 로직부는, 상기 예측값과 상기 제2 해석 데이터와의 잔차값을 산출하는 잔차 연산부; 및 상기 잔차값을 기초로 조기경보정보를 생성하는 조기경보정보 생성부;를 포함할 수 있다. 상기 조기경보정보는 상기 잔차값이 기 설정된 범위 내에 포함되는지 여부에 대한 정보를 포함할 수 있다.
또한, 상기 해석 이상 징후 예측을 위한 시스템 상기 진단부는 개별 셀 단위로 이상 여부를 판단하거나, 적어도 둘 이상의 셀들을 그룹화하여 그룹별로 이상 여부를 판단하거나, 또는 전체 셀에 대한 이상 여부를 판단할 수 있다.
본 발명에 따르면 플랜트 또는 설치물 설계에서 수행되는 컴퓨터에 의한 해석 시간을 대폭 줄일 수 있는 효과가 있으며, 이에 따라 전체 플랜트 설계에 소요되는 시간도 줄임과 동시에 플랜트 건설에 소요되는 비용도 크게 절감할 수 있는 효과가 있다.
또한 본 발명에 따르면 비숙련자도 해석을 쉽게 할 수 있도록 함으로써 인력을 운용하는 운용자 입장에서 비용을 줄일 수 있거나 또는 인력을 보다 유연하게 활용할 수 있게 하는 효과도 있다.
도 1은 플랜트 내 터빈의 블레이드를 설계하는 과정 중 유체의 흐름을 해석하는 모습의 일 실시예를 도시한 것이다.
도 2는 본 발명에 따른 시스템의 구조를 나타낸 것이다.
도 3은 시스템 내 구성 중 예측부의 세부구성을 도시한 것이다.
도 4는 시스템 내 구성 중 조기경보 로직부의 세부구성을 도시한 것이다.
도 5는 시스템 내 구성 중 분석부의 세부구성을 도시한 것이다.
도 2는 본 발명에 따른 시스템의 구조를 나타낸 것이다.
도 3은 시스템 내 구성 중 예측부의 세부구성을 도시한 것이다.
도 4는 시스템 내 구성 중 조기경보 로직부의 세부구성을 도시한 것이다.
도 5는 시스템 내 구성 중 분석부의 세부구성을 도시한 것이다.
본 발명의 목적과 기술적 구성 및 그에 따른 작용 효과에 관한 자세한 사항은 본 발명의 명세서에 첨부된 도면에 의거한 이하의 상세한 설명에 의해 보다 명확하게 이해될 것이다. 첨부된 도면을 참조하여 본 발명에 따른 실시예를 상세하게 설명한다.
본 명세서에서 개시되는 실시예들은 본 발명의 범위를 한정하는 것으로 해석되거나 이용되지 않아야 할 것이다. 이 분야의 통상의 기술자에게 본 명세서의 실시예를 포함한 설명은 다양한 응용을 갖는다는 것이 당연하다. 따라서, 본 발명의 상세한 설명에 기재된 임의의 실시예들은 본 발명을 보다 잘 설명하기 위한 예시적인 것이며 본 발명의 범위가 실시예들로 한정되는 것을 의도하지 않는다.
도면에 표시되고 아래에 설명되는 기능 블록들은 가능한 구현의 예들일 뿐이다. 다른 구현들에서는 상세한 설명의 사상 및 범위를 벗어나지 않는 범위에서 다른 기능 블록들이 사용될 수 있다. 또한, 본 발명의 하나 이상의 기능 블록이 개별 블록들로 표시되지만, 본 발명의 기능 블록들 중 하나 이상은 동일 기능을 실행하는 다양한 하드웨어 및 소프트웨어 구성들의 조합일 수 있다.
또한, 어떤 구성요소들을 포함한다는 표현은 “개방형”의 표현으로서 해당 구성요소들이 존재하는 것을 단순히 지칭할 뿐이며, 추가적인 구성요소들을 배제하는 것으로 이해되어서는 안 된다.
나아가 어떤 구성요소가 다른 구성요소에 “연결되어” 있다거나 “접속되어” 있다고 언급될 때에는, 그 다른 구성요소에 직접적으로 연결 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 한다.
이하에서는 도면들을 참조하여 본 발명이 제안하고자 하는 해석 이상 징후 예측 시스템 및 그 방법에 대해 살펴보기로 한다.
본격적인 해석 이상 징후 예측 시스템을 설명하기에 앞서, 도 1을 참조하여 먼저 본 발명의 배경이 되는 CFD 해석, 즉 컴퓨터에 의해 수행되는 유체 역학 해석의 예시를 살펴보기로 한다.
도 1은 플랜트 내 설치되는 터빈의 블레이드를 컴퓨터로 설계하는 과정을 도시한 것으로, 더 구체적으로는 가상적으로 설계된 블레이드의 주변으로 유체가 흐를 때에 유체의 흐름을 컴퓨터로 시뮬레이션 하는 과정을 도시한 것이다. 이러한 시뮬레이션은 수백회에서 수천회까지 반복(iteration)됨으로써 각 이터레이션 별로 데이터를 산출하게 되는데, 설계자는 이렇게 반복되는 시뮬레이션 해석으로부터 가장 적절한 블레이드의 구조를 결정할 수 있게 된다.
도 1을 자세히 살펴볼 때, 가상의 블레이드 주변으로는 복수 개의 삼각형으로 나뉘어진 구획들이 표시되는데, 본 상세한 설명에서는 각각의 구획을 셀(cell)이라 칭하기로 한다. 셀이란, 블레이드 주변의 유체를 공간 별로 나누어 분석하기 위한 단위를 의미하는 것으로, 각각의 셀로부터는 유체 역학적 데이터가 다수 개 포함될 수 있다. 구체적으로, 도 1의 경우 블레이드 주변에 총 750개의 셀들이 구획되어 표시되어 있으며, 이 때 각각의 셀들은 68개의 상태 값들을 포함할 수 있다.
한편, 상기 블레이드에 대한 시뮬레이션이 5000회 반복되었다고 가정할 때, 각 이터레이션 별로는 총 750개의 셀들, 그리고 각 셀들 내 포함된 68개의 상태 값들이 시뮬레이션에 대한 출력 데이터로 산출될 수 있다.
한편, 도 1의 실시예에서는 블레이드 주변의 유체를 공간 별로 나눈 단위를 셀로 정의하고 있으나, 다른 부품에서의 물리적 역학 관계를 해석하는 과정에서도 역시 정의를 달리하는 셀을 하나의 단위로 사용할 수 있음을 이해해야 할 것이다.
일반적으로 터빈 내 블레이드와 같은 부품을 설계할 때에 가장 많은 시간 및 리소스가 소요되는 부분이 도 1에서와 같은 해석 과정이다. 특히 유동 해석의 경우 구조 해석에 비해 많은 시간이 소요되며, 유동 해석 중에서도 3D 해석의 경우 매우 많은 시간을 필요로 한다. 보통 부품에 대한 설계 이후 시뮬레이션 내지 해석은, 예를 들어 터빈 내 블레이드를 기준으로, 해석 전문가가 컴퓨터를 이용해 70~80회 정도를 반복하는 것이 일반적이다. 1회 해석을 수행하는 데에 소요되는 시간이 수 시간임을 고려할 때에, 그리고 시뮬레이션 또는 해석의 반복 횟수가 많을수록 더 좋은 품질의 부품이 완성될 수 있음을 고려할 때, 시뮬레이션 또는 해석에 걸리는 시간을 줄이는 경우 비단 블레이드 뿐만 아니라 전체 터빈 및 플랜트 건설에 소요되는 시간 및 비용을 절약할 수 있게 됨은 쉽게 알 수 있다.
본 발명은 위와 같이 하나의 부품을 설계하는 과정에서도 특히 더 많은 시간 및 자원을 필요로 하는 시뮬레이션 및 해석 단계에서의 시간을 줄이고자 한 것으로, 구체적으로는 반복되는 시뮬레이션 및 해석 단계 중 과거 획득된 해석 데이터들로부터 임의의 해석 모델을 생성하고, 생성된 해석 모델에 따라 현재 획득된 해석 데이터를 입력하였을 때 출력되는 값이 예측 범위를 크게 벗어나는지 여부에 따라 해당 시뮬레이션 및 해석이 올바르게 진행되고 있는지 여부를 판단하기 위한 일련의 시스템 및 방법에 관한 것이다. 이하에서는 도면들을 참조하여 해성 이상 징후 예측 시스템의 구성들과 이러한 구성들이 각각 어떤 단계를 거쳐 해석 상의 이상 징후를 예측하는지에 대해 살펴보기로 한다.
도 2는 본 발명에 따른 해석 이상 징후 예측 시스템의 구성들을 블록도로 도시한 것으로, 이에 따르면 당해 시스템은 크게 두 개의 레이어(layer), 즉 모델링 레이어(Modeling Layer; 100)와 예측 레이어(Prediction Layer; 200)를 포함한다. 이하에서는 레이어들 별로 설명하기로 한다.
참고로 도 1의 해석 이상 징후 예측 시스템은 발명의 이해를 돕기 위하여 수행하는 기능별 또는 단계별로 블록을 지정하여 구별하였으나, 위 시스템은 연산을 위한 중앙처리유닛(CPU) 및 연산을 위한 프로그램과 데이터가 저장될 수 있는 메모리(Memory)를 갖춘 장치로 구현될 수 있으며, 후술하게 될 각 레이어들 및 구성들은 컴퓨터가 판독가능한 언어로 설계된 프로그램 상에서 구현되어 상기 중앙처리유닛(CPU)에 의해 실행될 수 있음을 이해해야 할 것이다. 나아가, 해석 이상 징후 예측 시스템은 하드웨어(hardware) 또는 펌웨어(firmware), 소프트웨어, 또는 이들의 결합에 의해 구현될 수 있는데, 하드웨어를 이용하여 구현하는 경우에는 ASIC(application specific integrated circuit) 또는 DSP(digital signal processor), DSPD(digital signal processing device), PLD(programmable logic device), FPGA(field programmable gate array) 등으로, 펌웨어나 소프트웨어를 이용하여 구현하는 경우에는 위와 같은 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등을 포함하도록 펌웨어나 소프트웨어로 구성될 수 있다.
먼저 모델링 레이어(100)는 기 수집된 해석 데이터들을 기초로 신호생성부에 대한 모델(이하 신호생성부 모델이라 칭함) 및 해석모델을 생성하는 구성이다. 도 2를 참조할 때, 모델링 레이어(100)는 신호생성부 모델과 해석모델을 생성하게 되는데, 이 때 각 모델들이 생성되는 순서는 바뀔 수 있거나 또는 두 모델이 동시에 생성될 수도 있음을 이해한다.
먼저 신호생성부 모델을 생성하는 과정(S101)에 대해 살펴보면, 모델링 레이어(100)는 기 수집된 제1 해석 데이터를 수집한 뒤 신호생성부를 모사하는 모델, 즉 신호생성부 모델을 생성한다. 신호생성부란 설계 대상물에 대한 시뮬레이션의 결과로 산출되는 해석 데이터를 임의로 생성해 낼 수 있는 구성을 의미하는데, 본 해석 이상 징후 예측 시스템에서는 위와 같은 해석 데이터를 임의로 생성해 내기 위한 신호생성부를 모델링을 통해 생성함으로써 이를 통해 후술하게 될 해석모델에서 활용되는 입력 데이터를 생성할 수 있도록 한 것이다. 더 구체적으로 설명하면, 상기 신호생성부 모델은 앞서 도 1에서 언급한 시뮬레이션에서의 출력 데이터들, 예를 들어 각 셀들 내 포함된 68개의 상태 값들 중 임의의 값들을 생성해 내는 역할을 하게 되는 것이다. 한편 이 때, 제1 해석 데이터는 설계의 대상이 되는 대상물과 관련하여 과거에 기 수집된 해석 데이터들을 의미하는 것으로, 예를 들어 설계의 대상물이 플랜트 내 설치되는 터빈의 블레이드라고 가정할 때에 상기 제1 해석 데이터에는 이전 이터레이션의 수행에 의해 획득된 해석 데이터들, 예를 들어 블레이드 주변에 흐르는 유체 중 층류의 점도, 난류의 점도, 유체의 밀도, 각 셀 별로 유체의 X, Y, Z 방향 모멘텀, 유체의 내부 에너지 등이 포함될 수 있다.
신호생성부 모델이 수행하는 단계는 예측 레이어(200)의 예측부(210)에 대한 설명에서 다시 언급될 것이므로 이에 대해서는 후술될 내용을 참조하기로 한다.
신호생성부 모델이 모델링(S101) 된 이후, 모델링 레이어(100)는 해석모델을 모델링한다. (S103) 해석모델이란 대상물에 대한 물리적 특성을 모사한 것으로 다양한 수학적 관계식들로 이루어진 것을 의미하며, 바람직하게는 전산 유체 역학(Computational Fluid Dynamics; CFD) 모델일 수 있다. 다만, 해석모델이 어떤 물리량에 대한 것인지는 설계하고자 하는 대상물에 따라 상이할 수 있는바, 반드시 CFD에 한정되지는 않는다. 본 상세한 설명에서는 발명의 이해를 돕기 위해 제1 모델생성부(130)가 터빈의 블레이드에 대한 전산 유체 역학(CFD) 모델을 생성하는 예를 실시예로 활용하기로 한다.
한편, 모델링 레이어(100)에 의해 생성된 신호생성부 모델 및 해석모델은 예측 레이어(200) 내 예측부(210)로 전달된다.
다시 도 2를 참조할 때, 해석 이상 징후 예측 시스템은 예측 레이어(200)를 포함하며, 예측 레이어(200)는 다시 예측부(210), 조기경보 로직부(230), 및 진단부(250)를 포함할 수 있다. 예측 레이어(200)는 앞서 모델링 레이어(100)에 의해 생성된 신호생성부 모델 및 해석모델을 기초로, 상기 해석모델에 현재의 해석 데이터들을 입력해 보고, 이에 따른 결과값, 즉 예측값(estimated value)을 연산(S200)한 뒤 예측값을 기준으로 현재 진행되고 있는 해석이 올바르게 진행되고 있는 것인지 여부를 미리 판단하기 위해 조기경보로직을 수행하여 이에 따른 조기경보정보를 생성(S300)하며, 생성된 복수의 조기경보정보들을 기초로 해당 해석에 대한 진단(S400)을 한다.
이하에서는 예측 레이어(200)의 각 구성들에 대해 구체적으로 설명하면서 예측 레이어(200)의 역할에 대해 알아보기로 한다.
예측 레이어(200)의 구성 중 가장 먼저 예측부(210)는, 앞서 모델링 레이어(100)에서 생성된 신호생성부 모델 및 해석모델에 대한 정보들(Model Information)을 수신하고, 또한 수집된 제2 해석 데이터를 기반으로 상기 신호생성부 모델로 하여금 해석모델에 적용시켜 시뮬레이션을 수행해 봄으로써 일련의 결과값들, 즉 예측값들을 산출한다. 한편, 본 상세한 설명에서 언급되는 제2 해석 데이터는 앞서의 제1 해석 데이터와는 구별되는 것으로, 제1 해석 데이터가 기존의 설계 대상물에 대한 시뮬레이션 및 해석으로부터 획득된 해석 데이터라 할 때 제2 해석 데이터는 현재 시점에서 수집된 해석 데이터, 즉 상기 제1 해석 데이터에 비해 갱신된 더 최근의 해석 데이터를 의미한다. 예를 들어, 터빈 내 블레이드가 설계 대상물이라 할 때 이전 회차의 시뮬레이션 및 해석 이터레이션(iteration)에서 획득된 해석 데이터가 제1 해석 데이터라 할 때, 현재 시점에서 진행 중인 이터레이션에서의 해석 데이터는 제2 해석 데이터로 구별될 수 있다. 다만, 이는 이해를 돕기 위한 하나의 예시에 해당하며 위와 같은 설명에 의해 한정되는 것은 아님을 유의한다. 또한, 상기 이터레이션이라는 용어의 의미는 하나의 해석을 함에 있어서도 당해 해석이 반복되어 수행되는 것을 의미할 수 있다는 점을 이해한다.
한편, 도 3을 참조하여 예측부(210)를 더 세부적으로 살펴볼 때, 예측부(210)는 다시 신호생성부(211), 보상부(213), 및 시뮬레이션부(215)를 더 포함할 수 있다.
신호생성부(211)는 기본적으로 앞서 모델링 레이어(100)에 의해 생성된 신호생성부 모델이 신호를 생성하는 구성으로 이해될 수 있으며, 이 때 생성되는 신호는 설계 대상물에 대한 임의의 해석 데이터로 이해될 수 있다. 도면을 참조할 때 상기 신호생성부(211)는 제2 해석 데이터 V와 Y를 수신하고, 이를 기반으로 새로운 신호 VSG를 생성하여 이를 보상부(213)로 전달한다. 구체적으로, 상기 제2 해석 데이터에 해당하는 V와 Y는 모두 도 1에서 언급한 셀로부터 획득된 데이터들을 포함할 수 있으며, 예를 들어 V는 층류 점도, 난류 점도 등을 비롯한 복수의 데이터들을 행렬의 형태로 포함할 수 있으며, Y는 밀도, X/Y/Z방향으로의 모멘텀, 내부 에너지를 비롯한 복수의 데이터들을 행렬의 형태로 포함할 수 있다. 또한, VSG는 상기 V에 포함되는 복수의 데이터들 중 해석 이상 징후 예측에 필요한 데이터만을 포함한 새로운 해석 데이터로 이해될 수 있다. 다시 말해, 상기 신호생성부(211)는 예측값 연산을 위해 필요한 해석 데이터를 임의로 생성해 내는 구성을 의미하며, 이 때 생성되는 신호 VSG는 제2 해석 데이터(V, Y)에 기초한 것임을 이해한다.
다음으로, 보상부(213)는 예측부(210)에 의해 산출되는 예측값(estimated value)의 정확도를 보다 높이기 위한 것으로, 보상부(213)로는 기본적으로 VSG가 입력되어 보상의 대상이 되며, 그 외에 제2 해석 데이터(V, Y)도 보상부(213)로 입력되어 상기 VSG신호를 보상하는 데에 참조된다. 도면을 참조할 때, 보상부(213)에 의한 출력은 Um 및 Us이 존재하며, 이 때 Um은 후속 구성인 시뮬레이션부(215)로, 그리고 Us는 전 구성인 신호생성부(211)로 전달된다. Um은 상기 VSG가 보상부(213)에 의해 보상처리가 된 후의 신호를 의미하는 것으로, 해당 신호는 궁극적으로는 향후 시뮬레이션부(215)에 의해 산출될 예측값인 YSIM을 더 정확하게 산출하기 위해 보상된 최적의 신호로 이해될 수 있다. 한편, Us는 상기 신호생성부(211)에 의해 생성되는 VSG를 보다 정확하게 생성해 내기 위한 최적의 신호로 이해될 수 있으며, Us는 신호생성부(211)에 전달된 후 이후의 VSG 신호를 생성하는 데에 피드백 자료로 활용된다.
보상부(213)는 결국 해석 이상 징후를 예측하기 위한 시뮬레이션을 하기 위해 필요한 해석 데이터가 보다 적절한 값에 근접하도록 하기 위해 입력되는 신호에 대한 보상처리를 하는 구성으로 이해될 수 있다. 즉, 보상부는 각 이터레이션 또는 지난 이터레이션에서의 해석 결과에 따른 값 또는 예측치를 추가함으로써, 다시 말해 현재의 이터레이션 k와 지난 이터레이선 k-1에 해당되는 해석 값 또는 해석 예측치의 차이를 이용하여 산출되는 값을 보상하도록 함으로써 최종적으로 설계자가 얻고자 하는 값을 정확하게 예측할 수 있도록 한 것이다. 한편, 상기 보상은 상기 이터레이션 k와 지난 이터레이션 k-1의 차이값에 가중치를 곱하여 보상할 수치를 결정하는 방식으로 이루어질 수 있다.
다음으로, 시뮬레이션부(215)는 보상부(213)로부터 VSG에 대한 보상처리가 된 신호(Um)를 수신한 후, 이를 앞서 모델링 레이어(100)에서 생성한 해석모델에 적용시킴으로써 궁극적으로 예측값(YSIM)을 산출하는 구성이다. 즉, 시뮬레이션부(215)는 설계대상물(블레이드)에 대한 해석 데이터들 중 특히 층류 점도, 난류 점도 등을 포함하는 V와 밀도, X/Y/Z 방향 모멘텀, 내부 에너지 값을 포함하는 Y 간의 상관 관계에 대한 모델인 해석모델을 기초로, 신호생성부(211)에서 생성되고 보상부(213)에서 보상처리된 입력값으로 하여 예측값인 YSIM을 산출하는 구성을 의미한다.
이상 예측부(210)의 기능 및 예측부(210) 내에서 이루어지는 연산과정에 대해 살펴보았다.
다음으로, 조기경보 로직부(230)에 대해 살펴보기로 한다. 다시 도 2를 참조할 때 조기경보 로직부(230)는 앞서 예측부(210)에 의해 산출된 결과값, 즉 예측값을 수신한 후 상기 예측값과 기 저장된 해석 데이터를 비교해 봄으로써 설계대상물에 대한 해석에 대한 이상 징후를 감지하는 데에 기초가 되는 정보, 소위 조기경보정보를 생성하는 기능을 한다.
도 4는 조기경보 로직부(230)의 세부구성을 블록도로 도시한 것인데, 이에 따르면 조기경보 로직부(230)는 잔차 연산부(231) 및 조기경보정보 생성부(233)를 포함할 수 있다.
잔차 연산부(231)는 앞서 예측부(210)로부터 산출된 예측값(Estimated Data)과 외부로부터의 실제 해석 데이터인 제2 해석 데이터를 수신하고, 상기 예측값과 제2 해석 데이터와의 차이, 즉 잔차값(Residual Value)을 연산하며, 이렇게 연산된 잔차값은 조기경보정보 생성부(233)로 전달된다.
조기경보정보 생성부(233)는 상기 잔차값을 기준으로 상기 잔차값이 미리 설정된 조건 또는 범위를 충족하는지 또는 이를 벗어났는지를 산출하고 해당 해석에 대한 하나의 조기경보정보, 또는 복수의 조기경보정보들을 생성한 뒤 이를 후술하게 될 진단부(250)에 제공한다. 이 때, 상기 조기경보정보 생성부(233)는 각 셀(cell) 내의 각각의 변수 별로 조기경보정보를 생성할 수 있으며, 이렇게 생성된 조기경보정보들은 향후 진단부에 의해 해당 해석의 이상 여부를 판단하는 데에 활용된다.
정리하면, 조기경보정보 생성부(233)는 실제 조기경보를 발생시키는 구성은 아니며, 조기경보정보만을 생성하여 다음 구성인 분석부(250)에 이를 전달하는 역할만을 한다는 점을 이해한다.
마지막으로, 진단부(250)에 대해 살펴보기로 한다. 진단부(250)는 앞선 조기경보 로직부(230)에 의해 생성된 조기경보정보(들)를 수신하고, 위 조기경보정보에 기초하여 최종적으로 해당 해석모델에 이상이 있는지 여부를 판단한 후, 조기경보를 발생시키는 기능을 한다.
도 5는 진단부(250)의 기능을 설명하기 위한 도면으로, 이에 의할 때 진단부(250)는 앞서 조기경보 로직부(230)로부터 셀(cell) 별로 복수의 조기경보정보를 수신할 수 있으며, 위 정보들을 모두 취합하여 기 정해진 조건에 만족하는 경우 조기경보를 발생시키게 된다.
예를 들어, 제1셀 내지 제10셀까지 총10개의 조기경보정보들을 수신하였다고 가정할 때, 상기 10개의 조기경보정보들 중 3개에서 기 설정된 조건 또는 범위를 초과한 것으로 나타난 경우 진단부(250)는 조기경보정보들을 기초로 현재 진행 중인 설계대상물에 대한 해석에 이상 징후가 발생되었음을 알리는 조기경보를 발생시킬 수 있다. 조기경보를 발생시킨다는 것의 의미는 설계자로 하여금 이를 인식할 수 있도록 조기경보를 디스플레이에 출력하는 것, 소리를 출력하는 것 등 다양한 형태의 실시예로 이해될 수 있다.
한편, 진단부(250)는 1차적으로 개별 셀(cell)들에 대한 이상 여부를 판단하고, 2차적으로는 적어도 둘 이상의 셀(cell)들을 그룹화 한 뒤 각 그룹별로 이상 여부를 판단하며, 마지막으로 전체 셀에 대한 이상 여부를 판단하는 등 단계 별로 이상 여부 판단을 진행할 수 있다. 다만, 이는 하나의 실시예에 불과한 것이며, 개별 셀들에 대한 판단은 생략한 채 그룹화 된 셀들 및 전체 셀에 대한 이상 여부만을 판단하거나, 혹은 개별 셀들에 대한 이상 여부 판단 후 곧바로 전체 셀들에 대한 이상 여부를 판단할 수도 있다.
이상 플랜트 또는 설치물들에 대한 해석 이상 징후 예측 시스템과 그 방법에 대해 살펴보았다. 본 발명은 상술한 특정의 실시예 및 응용예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 구별되어 이해되어서는 안 될 것이다.
100 모델링 레이어
200 예측 레이어
210 예측부 230 조기경보 로직부 250 진단부
211 신호생성부 213 보상부 215 시뮬레이션부
231 잔차 연산부 233 조기경보정보 생성부
200 예측 레이어
210 예측부 230 조기경보 로직부 250 진단부
211 신호생성부 213 보상부 215 시뮬레이션부
231 잔차 연산부 233 조기경보정보 생성부
Claims (19)
- 해석 이상 징후 예측을 위한 시스템이 해석 이상 징후를 예측하는 방법에 있어서,
(a) 제1 해석 데이터를 기초로 설계대상물에 대한 신호생성부 모델 - 상기 신호생성부 모델은 해석 데이터를 임의로 생성하기 위한 것임 - 및 해석모델을 생성하는 단계;
(b) 제2 해석 데이터를 기초로 상기 신호생성부 모델에서 생성된 신호 - 상기 신호는 상기 설계 대상물에 대한 임의의 해석 데이터임 - 를 상기 해석모델에 적용시킴으로써 하나 이상의 예측값을 산출하는 단계;
(c) 상기 예측값과 제2 해석 데이터를 비교하여 복수의 조기경보정보를 생성하는 단계;
(d) 상기 복수의 조기경보정보들이 기 설정된 조건에 충족되는지 여부를 기준으로 조기경보 출력 여부를 결정하는 단계;
를 포함하고,
상기 제1 해석 데이터 및 제2 해석 데이터 - 상기 제1 해석 데이터는 제2 해석 데이터에 비해 과거 시점에 획득된 것임 - 는 상기 설계대상물에 대하여 컴퓨터에 의해 수행된 유체 역학 해석 결과로부터 획득된 것이고, 상기 제1 해석 데이터 및 제2 해석 데이터는 상기 설계대상물 주변의 유체를 단위 공간 별로 나눈 셀(cell)에 대한 데이터들을 포함하는,
해석 이상 징후 예측 방법.
- 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 (b) 단계는,
제2 해석 데이터를 기초로 새로운 신호(VSG)를 생성하는 (b-1)단계;
상기 신호(VSG)를 상기 (a)단계에서 생성된 해석모델에 적용시킴으로써 예측값(YSIM)을 산출하는 (b-2)단계;
를 포함하는 것을 특징으로 하는,
해석 이상 징후 예측 방법.
- 제5항에 있어서,
상기 (b-1)단계 이후, 상기 신호 (VSG)에 대해 보상처리를 하는 단계;를 더 포함하고,
상기 (b-2)단계에서 해석모델에 적용되는 신호 (VSG)는 상기 보상처리가 이루어진 후의 신호인 것을 특징으로 하는,
해석 이상 징후 예측 방법.
- 제1항에 있어서,
상기 (c)단계는,
상기 예측값과 상기 제2 해석 데이터와의 잔차값(residual value)을 산출하는 (c-1)단계; 및
상기 잔차값을 기초로 조기경보정보를 생성하는 (c-2)단계;
를 포함하는 것을 특징으로 하는,
해석 이상 징후 예측 방법.
- 제7항에 있어서,
상기 조기경보정보는 상기 잔차값이 기 설정된 범위 내에 포함되는지 여부에 대한 정보를 포함하는 것을 특징으로 하는,
해석 이상 징후 예측 방법.
- 제8항에 있어서,
상기 조기경보정보는 각 셀(cell) 별로 생성되는 것을 특징으로 하는,
해석 이상 징후 예측 방법.
- 제1항에 있어서,
상기 (d)단계는,
개별 셀 단위로 이상 여부를 판단하는 단계, 적어도 둘 이상의 셀들을 그룹화하여 그룹별로 이상 여부를 판단하는 단계, 및 전체 셀에 대한 이상 여부를 판단하는 단계 중 적어도 하나 이상의 단계를 포함하여 진행되는 것을 특징으로 하는,
해석 이상 징후 예측 방법.
- 해석 이상 징후 예측을 위한 시스템에 있어서,
제1 해석 데이터를 기초로 설계대상물에 대한 신호생성부 모델 - 상기 신호생성부 모델은 해석 데이터를 임의로 생성하기 위한 것임 - 및 해석모델을 생성하는 모델링 레이어; 및
상기 신호생성부 모델에 의해 제2 해석 데이터를 기초로 생성된 신호 - 상기 신호는 상기 설계 대상물에 대한 임의의 해석 데이터임 - 를 상기 해석모델에 적용시킴으로써 하나 이상의 예측값을 산출하고, 상기 예측값 및 상기 제2 해석 데이터를 비교하여 상기 설계대상물에 대한 해석에 대해 이상 여부를 판단하는 예측 레이어;
를 포함하되,
상기 예측 레이어는,
제2 해석 데이터를 기초로, 상기 신호생성부 모델 및 해석모델을 이용하여 하나 이상의 예측값을 산출하는 예측부;
상기 예측값을 기초로 조기경보정보를 생성하는 조기경보 로직부;
상기 조기경보정보를 기초로 상기 설계대상물에 대한 해석의 이상 여부를 판단하는 진단부;
를 포함하고,
상기 제1 해석 데이터 및 제2 해석 데이터 - 상기 제1 해석 데이터는 제2 해석 데이터에 비해 과거 시점에 획득된 것임 - 는 상기 설계대상물에 대하여 컴퓨터에 의해 수행된 유체 역학 해석 결과로부터 획득된 것이고, 상기 제1 해석 데이터 및 제2 해석 데이터는 상기 설계대상물 주변의 유체를 단위 공간 별로 나눈 셀(cell)에 대한 데이터들을 포함하는,
해석 이상 징후 예측을 위한 시스템.
- 삭제
- 삭제
- 삭제
- 제11항에 있어서,
상기 예측부는,
제2 해석 데이터를 기초로 새로운 신호(VSG)를 생성하는 신호생성부;
상기 신호(VSG)를 상기 모델링 레이어에서 생성한 해석모델에 적용시킴으로써 예측값(YSIM)을 산출하는 시뮬레이션부;
를 포함하는 것을 특징으로 하는,
해석 이상 징후 예측을 위한 시스템.
- 제15항에 있어서,
상기 신호생성부에 의해 생성된 신호(VSG)에 대해 보상처리를 하고, 상기 보상처리된 신호를 상기 시뮬레이션부에 전달하는 보상부;를 더 포함하는 것을 특징으로 하는,
해석 이상 징후 예측을 위한 시스템.
- 제11항에 있어서,
상기 조기경보 로직부는,
상기 예측값과 상기 제2 해석 데이터와의 잔차값을 산출하는 잔차 연산부; 및
상기 잔차값을 기초로 조기경보정보를 생성하는 조기경보정보 생성부;
를 포함하는 것을 특징으로 하는,
해석 이상 징후 예측을 위한 시스템.
- 제17항에 있어서,
상기 조기경보정보는 상기 잔차값이 기 설정된 범위 내에 포함되는지 여부에 대한 정보를 포함하는 것을 특징으로 하는,
해석 이상 징후 예측을 위한 시스템.
- 제11항에 있어서,
상기 진단부는,
개별 셀 단위로 이상 여부를 판단하거나, 적어도 둘 이상의 셀들을 그룹화하여 그룹별로 이상 여부를 판단하거나, 또는 전체 셀에 대한 이상 여부를 판단하는 것을 특징으로 하는,
해석 이상 징후 예측을 위한 시스템.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180152749A KR102245922B1 (ko) | 2018-11-30 | 2018-11-30 | CFD(Computational Fluid Dynamics) 해석 이상 징후 예측 시스템 및 방법 |
US16/566,967 US20200175121A1 (en) | 2018-11-30 | 2019-09-11 | System and method for predicting analytical abnormality in computational fluid dynamics analysis |
CN201910858175.9A CN111339627B (zh) | 2018-11-30 | 2019-09-11 | 计算流体动力学分析异常症候预测***及方法 |
DE102019126292.5A DE102019126292A1 (de) | 2018-11-30 | 2019-09-30 | System und Verfahren zum Vorhersagen einer analytischen Anomalie bei der rechnerischen Fluiddynamikanalyse |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180152749A KR102245922B1 (ko) | 2018-11-30 | 2018-11-30 | CFD(Computational Fluid Dynamics) 해석 이상 징후 예측 시스템 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20200065860A KR20200065860A (ko) | 2020-06-09 |
KR102245922B1 true KR102245922B1 (ko) | 2021-04-30 |
Family
ID=70680909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180152749A KR102245922B1 (ko) | 2018-11-30 | 2018-11-30 | CFD(Computational Fluid Dynamics) 해석 이상 징후 예측 시스템 및 방법 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200175121A1 (ko) |
KR (1) | KR102245922B1 (ko) |
CN (1) | CN111339627B (ko) |
DE (1) | DE102019126292A1 (ko) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114878651B (zh) * | 2022-05-18 | 2024-03-08 | 西安热工研究院有限公司 | 基于大数据的凝结水水质恶化预警***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005284623A (ja) * | 2004-03-29 | 2005-10-13 | Mazda Motor Corp | 設計支援プログラム、設計支援方法及び設計支援装置 |
JP2011059740A (ja) * | 2009-09-04 | 2011-03-24 | Fujitsu Ltd | 熱流体シミュレーション解析装置 |
JP2012155606A (ja) * | 2011-01-27 | 2012-08-16 | Fuji Heavy Ind Ltd | 流体解析装置、及び、流体解析方法 |
JP2017072922A (ja) * | 2015-10-06 | 2017-04-13 | 三菱自動車工業株式会社 | 軸流ファンの解析方法,解析装置及び解析プログラム |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7441411B2 (en) * | 2005-09-16 | 2008-10-28 | General Electric Company | Method and apparatus to detect onset of combustor hardware damage |
WO2007087729A1 (en) * | 2006-02-03 | 2007-08-09 | Recherche 2000 Inc. | Intelligent monitoring system and method for building predictive models and detecting anomalies |
CN101547994A (zh) * | 2006-09-29 | 2009-09-30 | 费舍-柔斯芒特***股份有限公司 | 用于异常情况预防的流体催化裂化器中催化剂损耗的探测 |
TW201017447A (en) * | 2008-10-31 | 2010-05-01 | Tong Dean Tech Co Ltd | An early stage abnormality prediction device for fabrication process and its prediction method |
KR101591193B1 (ko) * | 2014-09-17 | 2016-02-02 | 엘에스산전 주식회사 | Plc 로그 데이터를 이용한 이상 발생 예측 시스템 |
KR20160050807A (ko) | 2014-10-31 | 2016-05-11 | 삼성에스디에스 주식회사 | 데이터 분석 및 예측 장치 및 방법 |
US10698980B2 (en) * | 2015-10-10 | 2020-06-30 | John Michael Snider, SR. | Methods for constructing surfaces for optimizing fluid flow |
US20170124497A1 (en) * | 2015-10-28 | 2017-05-04 | Fractal Industries, Inc. | System for automated capture and analysis of business information for reliable business venture outcome prediction |
US9922541B2 (en) * | 2015-11-16 | 2018-03-20 | Google Llc | Systems and methods for detecting anomalies in a hazard detection system |
CN105719002A (zh) * | 2016-01-18 | 2016-06-29 | 重庆大学 | 一种基于组合预测的风电机组状态参数异常辨识方法 |
KR101827108B1 (ko) * | 2016-05-04 | 2018-02-07 | 두산중공업 주식회사 | 플랜트 이상 감지 학습 시스템 및 방법 |
KR101825809B1 (ko) * | 2016-05-04 | 2018-03-22 | 두산중공업 주식회사 | 플랜트 이상 감지 시스템 및 방법 |
KR101863781B1 (ko) * | 2016-09-08 | 2018-06-01 | 두산중공업 주식회사 | 로터 진동 이상 감지 장치 및 방법 |
CN107369303B (zh) * | 2017-08-23 | 2019-06-28 | 北京赛普泰克技术有限公司 | 工厂智能诊断方法、装置及*** |
-
2018
- 2018-11-30 KR KR1020180152749A patent/KR102245922B1/ko active IP Right Grant
-
2019
- 2019-09-11 CN CN201910858175.9A patent/CN111339627B/zh active Active
- 2019-09-11 US US16/566,967 patent/US20200175121A1/en not_active Abandoned
- 2019-09-30 DE DE102019126292.5A patent/DE102019126292A1/de active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005284623A (ja) * | 2004-03-29 | 2005-10-13 | Mazda Motor Corp | 設計支援プログラム、設計支援方法及び設計支援装置 |
JP2011059740A (ja) * | 2009-09-04 | 2011-03-24 | Fujitsu Ltd | 熱流体シミュレーション解析装置 |
JP2012155606A (ja) * | 2011-01-27 | 2012-08-16 | Fuji Heavy Ind Ltd | 流体解析装置、及び、流体解析方法 |
JP2017072922A (ja) * | 2015-10-06 | 2017-04-13 | 三菱自動車工業株式会社 | 軸流ファンの解析方法,解析装置及び解析プログラム |
Also Published As
Publication number | Publication date |
---|---|
CN111339627B (zh) | 2024-04-12 |
KR20200065860A (ko) | 2020-06-09 |
CN111339627A (zh) | 2020-06-26 |
US20200175121A1 (en) | 2020-06-04 |
DE102019126292A1 (de) | 2020-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cai et al. | Application of Bayesian networks in reliability evaluation | |
Zio | Integrated deterministic and probabilistic safety assessment: concepts, challenges, research directions | |
Prosvirnova et al. | The AltaRica 3.0 project for model-based safety assessment | |
Brameret et al. | Automated generation of partial Markov chain from high level descriptions | |
Simeu-Abazi et al. | Fault diagnosis for discrete event systems: Modelling and verification | |
US9098619B2 (en) | Method for automated error detection and verification of software | |
US20150269490A1 (en) | Integrating design and field management of gas turbine engine components with a probabilistic model | |
Fan et al. | A modified GO-FLOW methodology with common cause failure based on discrete time Bayesian network | |
EP3004530B1 (en) | Method for selecting and optimizing oil field controls for a production plateau | |
Echavarria et al. | Probabilistic error propagation through approximated Boolean networks | |
CN114818549A (zh) | 一种物体的流体力学参数计算方法、***、设备以及介质 | |
KR102245922B1 (ko) | CFD(Computational Fluid Dynamics) 해석 이상 징후 예측 시스템 및 방법 | |
Potsis et al. | Wind induced peak pressures on low-rise building roofs via dynamic terrain computational methodology | |
Rocco et al. | Global sensitivity analysis in a multi-state physics model of component degradation based on a hybrid state-space enrichment and polynomial chaos expansion approach | |
Rauzy et al. | Model-based safety assessment: Rational and trends | |
US9087165B2 (en) | Automatic extremum detection on a surface mesh of a component | |
Clarich et al. | Innovative methodologies for robust design optimization with large number of uncertainties using modefrontier | |
Rocha et al. | Reliability analysis of sensorized stamping presses by generalized fault trees | |
Keprate et al. | Use of digital twins for process safety management | |
CN110688152B (zh) | 一种结合软件开发质量信息的软件可靠性定量评估方法 | |
Zhang et al. | Real time fault diagnosis with tests of uncertain quality for multimode systems and its application in a satellite power system | |
Seshadri et al. | Aggressive design: a density-matching approach for optimization under uncertainty | |
Liu | Model based design workflow for FPGA compliance with DO-254 standard | |
Zieße et al. | Validation of a Synthetic-Eddy Method for Modelling Incoming Wakes in Scale-Resolving Simulations of Turbomachinery Cascades | |
WO2014197637A1 (en) | Selecting and optimizing oil field controls for production plateau |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E90F | Notification of reason for final refusal | ||
E701 | Decision to grant or registration of patent right |