KR20140036375A - Intelligent failure asset management system for railway car - Google Patents
Intelligent failure asset management system for railway car Download PDFInfo
- Publication number
- KR20140036375A KR20140036375A KR1020120100901A KR20120100901A KR20140036375A KR 20140036375 A KR20140036375 A KR 20140036375A KR 1020120100901 A KR1020120100901 A KR 1020120100901A KR 20120100901 A KR20120100901 A KR 20120100901A KR 20140036375 A KR20140036375 A KR 20140036375A
- Authority
- KR
- South Korea
- Prior art keywords
- failure
- maintenance
- management system
- asset management
- railway
- Prior art date
Links
- 238000012423 maintenance Methods 0.000 claims abstract description 33
- 238000003745 diagnosis Methods 0.000 claims abstract description 31
- 230000009471 action Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000002452 interceptive effect Effects 0.000 claims abstract description 10
- 230000010485 coping Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 7
- 238000007418 data mining Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000009469 supplementation Effects 0.000 claims 1
- 238000007726 management method Methods 0.000 abstract description 34
- 230000006870 function Effects 0.000 abstract description 9
- 239000000047 product Substances 0.000 abstract description 7
- 230000008859 change Effects 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000007689 inspection Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 4
- 239000013589 supplement Substances 0.000 abstract description 4
- 230000003449 preventive effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract 1
- 230000002265 prevention Effects 0.000 abstract 1
- 238000013024 troubleshooting Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000033772 system development Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000012047 cause and effect analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
Description
본 발명은 철도시스템의 지능형 고장자산관리시스템에 관한 것이다. 보다 구체적으로, 본 발명은 여러 서브시스템의 분야가 통합되어 운영되는 철도시스템에 고장이 발생 시 조치자의 초기대처방안 및 그 후속조치에 대한 효율적인 대처 및 관리를 위한 철도시스템의 지능형 고장자산관리시스템에 관한 것이다.The present invention relates to an intelligent failing asset management system of a railway system. More specifically, the present invention relates to an intelligent fault asset management system of a railroad system for efficient coping and management of the initial countermeasures and follow-up measures of a measurer when a railroad system in which several sub-systems are integrated is operated. It is about.
철도시스템이라 함은 차량, 신호, 전기, 통신(AFC), 기계, 검수 등과 운영을 위한 관제 설비를 포함한 운영시스템을 말한다.Rail system refers to an operating system including control facilities for operation of vehicles, signals, electricity, telecommunications (AFC), machinery, inspection, etc.
이러한 철도시스템에서 고장에 대처하는 종래의 방식을 보면, 고장정보 및 이에 대응하기 위한 조치사항들이 시스템엔지니어링(SE)개념을 바탕으로 하여 체계적으로 관리되지 않고, 일부 전문가들의 개인적 경험과 숙련도에 의존하는 고장 해결 방식에 크게 의존하고 있는 것이 작금의 현실이다, 또한 이들 전문가의 부재 시 막상 발생한 고장상황에 대하여 갈피를 잡지 못하고, 어찌 할 바를 몰라 신속하고 적절한 대처가 어렵다는 문제점 또한 늘 상존해 왔다.In the conventional way of dealing with failures in such a railroad system, failure information and countermeasures are not systematically managed based on the concept of system engineering (SE) and depend on the personal experience and proficiency of some experts. The reality is that it is very dependent on the way of troubleshooting, and there is always the problem that it is difficult to respond quickly and appropriately without knowing what kind of troubles have occurred in the absence of these experts.
전문가에 의한 고장 진단 및 실행도 매우 중요하나, 이는 고장경험의 활용한계를 가져올 수 있고, 이로 인한 고장분석의 어려움으로 인하여 고장조치 실패가 계속 반복되고 시간만 지연되는 악순환을 가져오게 하는 경우가 발생 한다.The diagnosis and execution of faults by experts is also very important, but this can lead to the utilization of fault experiences, which can lead to a vicious cycle in which failures are repeatedly repeated and only time is delayed due to the difficulty of fault analysis. do.
또한 일반적으로 철도시스템의 고장분석은 한 시스템의 고장정보로 그 원인을 정확히 알 수 없는 경우가 대부분이며, 종래의 고장수집/유사 분석 시스템은 관련된 여러 가지 고장정보를 통해 다각적인 관점에서 정보를 분석할 수 없다는 한계를 갖고 있다. 이에 정확한 원인을 찾는데 별도의 시간이 더 많이 소모된다.In general, failure analysis of railway systems is often the case where the cause is not known exactly, and conventional failure collection / analysis analysis systems analyze the information from various perspectives through various related failure information. There is a limit that can not be. This requires more time to find the exact cause.
또한 종래의 방식에 따르면 같은 고장정보가 서로 다른 개체로 인식되어 고장기록의 중복성이 발생한다는 문제점이 있으며, 기존의 고장분석 시스템은 단일 장비에 대한 고장정보를 입수하고 기록만 하기 때문에, 활용 가능성이 떨어져 방치되거나 적시에 사용되지 못하여 활용해야 할 이유가 없어진다. In addition, according to the conventional method, there is a problem in that the same fault information is recognized as different entities, and thus the redundancy of the fault record occurs, and the existing fault analysis system only obtains and records the fault information for a single device, and thus has a possibility of utilization. There is no reason to use it because it is left unattended or not used in a timely manner.
결국 고장정보의 수집내용 자체가 사건이 일어나고 난 후에 대한 사항이므로 사후조치에 대한 조치내역의 수집과 추적이 필요함에도 관리자체가 없거나, 있더라도 별도로 구성이 되어 현장상황에 비해 활용성이 떨어지거나, 향후 활용을 시도 하려고 해도 일관성이 없어지는 문제점이 있는 것이다.Eventually, the collection of fault information itself is about after an incident occurs, so even though it is necessary to collect and track the action history for follow-up actions, there is no manager body, or even if it is configured separately, it is less useful than on-site situation or in the future. There is a problem inconsistent even when trying to use.
또한 일반적으로 철도차량 포함 모든 철도시스템은 정해진 일정에 따라 정기적인 검수(유지보수)가 실시되고 있으나, 유지보수 일정에 따라 정기검수를 실시한다고 해도 효과를 보는 시스템은 매우 제한적이고, 고장은 지속적으로 발생하는 경향이 있어, 이를 예방하기 위해 인력 집중형의 과잉 유지보수를 다시 실시하는 악순환이 반복된다는 문제점이 있다.In addition, in general, all railway systems including railway vehicles are regularly inspected (maintenance) according to a fixed schedule, but even if the regular inspection is performed according to the maintenance schedule, the system that is effective is very limited, and failures are continuously There is a tendency to occur, there is a problem that the vicious cycle of performing the over-intensive maintenance of manpower type is repeated to prevent this.
본 발명은 철도시스템의 발생 고장에 대해 대처하기 위해 소요되는 시간을 줄이고 불필요한 인적자원의 소모를 방지하는 것을 기술적 과제로 한다.The present invention is to reduce the time required to cope with the occurrence failure of the railway system and to prevent the consumption of unnecessary human resources as a technical problem.
또한, 본 발명은 일부 전문가들의 개인적 경험과 숙련도에 의존한 고장 해결 방식에서 탈피하여 이들의 부재 시에도 고장상황에 신속하고 적절한 대처를 가능하게 하는 철도시스템의 지능형 고장자산관리시스템을 제공하는 것을 기술적 과제로 한다.In addition, the present invention provides an intelligent fault asset management system of a railroad system that enables a quick and proper response to a fault situation in the absence of a fault resolution method depending on the personal experience and skill of some experts. It is a task.
또한, 본 발명은 고장발생 시 단순한 정보제공이 아닌, 발생된 중요 정보를 통해 스스로 학습하고 들어온 정보를 수정 / 갱신함으로써, 적극적인 유지보수 수행 할 수 있도록 하는 것을 기술적 과제로 한다.In addition, the present invention is to provide a technical problem to be able to perform active maintenance by modifying / updating the information coming in by learning itself through the important information generated, rather than simply providing information when a failure occurs.
또한, 본 발명은 고장 예측을 통해 수명주기가 도래한 제품이나 물리적인 스트레스로 인해 수명 단축이 예상되는 제품의 경우, 이상 현상 발생 시 발생패턴을 분석, 도출하여 조기에 조치할 수 있도록 교체품목에 대한 권고 및 추적이력을 제공하는 철도시스템의 지능형 고장자산관리시스템을 제공하는 것을 기술적 과제로 한다.In addition, the present invention in the case of a product whose life cycle has reached through the failure prediction or a product that is expected to shorten the life due to physical stress, the replacement pattern to analyze and derive the occurrence pattern in the event of an abnormal phenomenon early action It is a technical task to provide an intelligent fail-safe asset management system for railroad systems that provides recommendations and traceability.
또한, 본 발명은 고장감지 시 진단이 어려울 경우 조속한 문제해결을 위해 대화형 질의응답 시스템을 이용, 원인을 진단하고 과거 유사장애 조치사항을 조회하여 고장을 진단, 계승 발전 할 수 있게 자동 학습이 가능하도록 지식체계를 구축 할 수 있는 철도시스템의 지능형 고장자산관리시스템을 제공하는 것을 기술적 과제로 한다.In addition, the present invention can automatically learn to use the interactive Q & A system for prompt problem solving when diagnosing a problem is difficult, to diagnose the cause and to query the past similar obstacles to diagnose and inherit the development. It is a technical task to provide an intelligent fail-safe asset management system of railway system that can establish knowledge system.
이러한 과제를 해결하기 위한 본 발명에 따른 철도시스템의 지능형 고장자산관리시스템은 복수결론을 유도하는 지식획득 이론을 바탕으로 철도시스템의 정비경험, 정비정책 및 기술지식을 포함하는 정보가 저장되어 있는 MCRDR DB(Multi Classification Ripple Down Rule Database)와 철도시스템의 운행결과 분석정보, 운행과정에서 발생한 이벤트정보, 고장에 대한 시정조치정보 및 고장보고서를 포함하는 정보가 저장되어 있는 FRACAS DB(Failure Reporting Analysis & Corrective Action System Database)로 이루어진 데이터베이스부 및 상기 철도시스템에 고장상황이 감지되는 경우 상기 MCRDR DB를 참조하여 웹 검색 대화형 질의 방식을 통해 원인검색, 기능검색, 조치검색을 거쳐 고장진단추론을 수행하고, 고장진단 룰(Rule)을 통해 고장에 대처하기 위한 권고사항을 대처 우선순위별로 표시하는 고장발생 대처부를 포함하여 구성된다.In order to solve this problem, the intelligent faulty asset management system of the railway system according to the present invention is based on the knowledge acquisition theory that induces multiple conclusions, which contains information including maintenance experience, maintenance policy and technical knowledge of the railway system. FRACAS DB (Failure Reporting Analysis & Corrective) which stores DB (Multi Classification Ripple Down Rule Database) and information including operation result analysis information of railway system, event information during operation process, corrective action information for failure and failure report When a failure situation is detected in the database unit and the railway system consisting of an Action System Database, a failure diagnosis inference is performed through cause search, function search, and action search through a web search interactive query method with reference to the MCRDR DB, Recommends for dealing with failures through troubleshooting rules That is configured to include a failure response.
본 발명에 따른 철도시스템의 지능형 고장자산관리시스템에 있어서, 상기 FRACAS DB에 저장되어 있는 고장보고서와 시정조치정보를 참조하여 데이터 범주화와 데이터 마이닝을 수행하여 고장발생패턴을 도출하여 제공하는 고장예측 대처부를 더 포함하는 것을 특징으로 한다.In the intelligent failure asset management system of a railway system according to the present invention, failure prediction measures are provided by deriving a failure occurrence pattern by performing data categorization and data mining with reference to a failure report and corrective action information stored in the FRACAS DB. It further comprises a wealth.
본 발명에 따른 철도시스템의 지능형 고장자산관리시스템에 있어서, 상기 고장예측 대처부는 상기 FRACAS DB를 참조하여 초기데이터의 발생경향을 통계적 추세로 분석함으로써 고장 변화를 사전에 감지하여 교체품목에 대한 권고 및 추적이력을 제공하는 것을 특징으로 한다.In the intelligent failure asset management system of the railroad system according to the present invention, the failure prediction coping part detects a failure change in advance by analyzing a trend of initial data with a statistical trend with reference to the FRACAS DB and recommends a replacement item. It provides a tracking history.
본 발명에 따른 철도시스템의 지능형 고장자산관리시스템에 있어서, 상기 고장발생 대처부는 상기 고장진단추론에 성공하는 경우 상기 고장진단추론에 대응하는 정비행위와 교체개소에 대한 정보를 사용자에게 제공하는 것을 특징으로 한다.In the intelligent failure asset management system of the railway system according to the present invention, the failure occurrence countermeasure unit provides the user with information on maintenance actions and replacement points corresponding to the failure diagnosis inference when the failure diagnosis is successful. It is done.
본 발명에 따른 철도시스템의 지능형 고장자산관리시스템에 있어서, 상기 고장발생 대처부는 상기 고장진단추론에 실패하는 경우 정비프로토콜 점검 및 보완을 명령하고 그 결과에 대한 정보를 상기 MCRDR DB에 업데이트하는 것을 특징으로 한다.In the intelligent failure asset management system of the railway system according to the present invention, the failure occurrence countermeasure unit checks and supplements a maintenance protocol when the failure diagnosis reasoning fails, and updates information on the result in the MCRDR DB. It is done.
본 발명에 따른 철도차량의 지능형 고장자산관리시스템에 있어서, 상기 FRACAS DB에는 고장개소 추출과 고장의 원인 및 결과에 대한 고장모드 관계화를 통해 생성한 구조적 FMECA(Failure Mode Effects and Criticality Analysis)가 저장되는 것을 특징으로 한다.In the intelligent failure asset management system of a railway vehicle according to the present invention, the FRACAS DB stores a structural FMECA (Failure Mode Effects and Criticality Analysis) generated by the failure mode extraction and the failure mode relation to the cause and effect of the failure. It is characterized by.
본 발명에 따르면, 철도시스템의 발생 고장에 대한 고장정보 수집, 분류, 분석 및 시정조치를 자동화하여 고장에 대처하기 위해 소요되는 시간을 줄이고 불필요한 인적자원의 소모를 방지할 수 있는 철도시스템의 지능형 고장자산관리시스템이 제공되는 효과가 있다.According to the present invention, the intelligent failure of the railway system that can reduce the time required to cope with the failure and prevent unnecessary consumption of human resources by automating the collection, classification, analysis and corrective action of failure information on the occurrence of the railway system An asset management system is provided.
또한, 일부 전문가들의 개인적 경험과 숙련도에 의존한 고장 해결 방식에서 탈피하여 이들의 부재 시에도 고장상황에 신속하고 적절한 대처를 가능하게 하는 철도차량의 지능형 고장자산관리시스템이 제공되는 효과가 있다.In addition, there is an effect that an intelligent fault asset management system of a railroad vehicle is provided, which allows a quick and proper response to a fault situation in the absence of a fault solution method depending on the personal experience and skill of some experts.
또한, 철도차량의 운영(사업)환경이 변화될 경우 해당 시스템의 커스터마이징을 유연하게 하여 시스템 개발기간을 줄이고, 비용을 절감할 수 있는 철도차량의 지능형 고장자산관리시스템이 제공되는 효과가 있다.In addition, when the operation (business) environment of the railway vehicle is changed, it is possible to flexibly customize the system to reduce the system development period and reduce the cost of the intelligent vehicle asset management system of the railway vehicle.
또한, 고장발생 시 단순한 정보제공이 아닌, 발생된 중요 정보를 정제하여 제공함으로써 고장 당시 관련 시스템의 고장정보를 중복 없이 명확하게 식별하게 하여 정확한 분석을 할 수 있도록 하는 철도시스템의 지능형 고장자산관리시스템이 제공되는 효과가 있다.In addition, the intelligent failure asset management system of the railway system enables the accurate analysis by clearly identifying the failure information of the relevant system at the time of failure by providing refined and provided important information instead of simply providing information when a failure occurs. This has the effect provided.
또한, 고장 예측을 통해 수명주기가 도래한 제품이나 물리적인 스트레스로 인해 수명 단축이 예상되는 제품의 경우, 이상 현상 발생 시 발생패턴을 도출하여 조기에 조치할 수 있도록 교체품목에 대한 권고 및 추적이력을 제공하는 철도시스템의 지능형 고장자산관리시스템이 제공되는 효과가 있다.In addition, for products that have reached the end of their life cycle due to failure prediction or products that are expected to be shortened due to physical stress, the recommendation and tracking history of replacement items can be derived so that the occurrence pattern can be corrected early when an abnormality occurs. Intelligent fault asset management system of the railway system that provides the effect is provided.
또한, 고장감지 시 진단이 어려울 경우 조속한 해결을 위해 대화형시스템을 통하여 원인을 진단하고 과거 유사장애 조치사항을 조회하여 고장을 진단, 계승발전 할 수 있게 하여 자동 학습이 가능한 철도시스템의 지능형 고장자산관리시스템이 제공되는 효과가 있다.Also, if it is difficult to diagnose in case of failure detection, it is possible to diagnose the cause through the interactive system for prompt resolution and to check the past similar obstacle measures to diagnose and inherit the failure, so that the intelligent failure assets of the railway system can be learned automatically. The management system is effective.
도 1은 본 발명의 일 실시 예에 따른 철도시스템의 지능형 고장자산관리시스템을 나타낸 도면이다.
도 2는 본 발명의 일 실시 예에 따른 철도시스템의 지능형 고장자산관리시스템의 구체적인 동작의 예를 설명하기 위한 도면이다.1 is a diagram showing an intelligent fault asset management system of a railway system according to an embodiment of the present invention.
2 is a view for explaining an example of a specific operation of the intelligent failure asset management system of the railway system according to an embodiment of the present invention.
본 발명은 철도시스템의 고장발생 시 조치자의 초기대처방안 및 그 후속조치에 대한 효율적인 대처 및 관리를 위한 것이며, 고장이력도 하나의 자산이라는 바탕에서 출발한다. 이는 현재까지도 일부 전문가에 의존한 고장진단과 전문가 부재 시 고장 대처의 실패로 인한 대처시간 증가, 전문가의 경험이 승계되지 않아 고장조치 및 검수의 문제점이 여전히 발생하고 있는 것이 현실이다. 한 예로 정기검수(TBM: Time Based Maintenance)를 실시함에도 지속적인 고장이 발생하는 것은 정기검수에 의해 효과를 보는 시스템은 제한적이고, 이를 더 예방하기 위해 과잉검수를 해야 하는 악순환이 계속될 수 있다. 본 발명은 이러한 문제점을 해소하기 위한 것으로서, 고장 조기분석에 의한 예방체계를 구축하고, 고장 경험을 축적하여 누구나 쉽고, 빠르고, 정확하게 고장 진단이 가능하여 대처가 가능한 시스템 구축에 관한 것이다.The present invention is for the effective coping and management of the initial countermeasures and follow-up measures of the measurers in the event of a failure of the railway system, the failure history also starts from the ground of one asset. It is a reality that the problem of troubleshooting and inspection still occurs because of the increase of the countermeasure time due to the failure diagnosis by some experts, the failure of coping with the failure in the absence of experts, and the experience of the experts are not inherited. As an example, continuous failures occur even when time-based maintenance (TBM) is performed, and the system which is effective by the regular inspection is limited, and a vicious cycle that requires an over-check to further prevent this may continue. The present invention is to solve such a problem, to build a preventive system by early failure analysis, to accumulate the experience of the experience and to anyone can easily, quickly and accurately diagnose the failure of the system construction.
이하에서는 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예를 상세히 설명한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 일 실시 예에 따른 철도시스템의 지능형 고장자산관리시스템을 나타낸 도면이고, 도 2는 그 구체적인 동작의 예를 설명하기 위한 도면이다.1 is a diagram illustrating an intelligent failing asset management system of a railroad system according to an embodiment of the present invention, and FIG. 2 is a view for explaining an example of a specific operation thereof.
도 1과 도 2를 참조하면, 본 발명의 일 실시 예에 따른 철도시스템의 지능형 고장자산관리시스템은 고장예측 대처부(10), 데이터베이스부(20) 및 고장발생 대처부(30)를 포함하여 구성된다.1 and 2, an intelligent fault asset management system of a railway system according to an embodiment of the present invention includes a fault
고장예측 대처부(10)는 후술하는 FRACAS DB에 저장되어 있는 고장보고서와 시정조치정보를 참조하여 데이터 범주화와 데이터 마이닝을 수행하여 고장발생패턴을 도출하고 제공하는 기능을 수행한다.The failure
이러한 고장예측 대처부(10)는 FRACAS DB를 참조하여 초기데이터의 발생경향을 통계적 추세로 분석함으로써 고장 변화를 사전에 감지하여 교체품목에 대한 권고 및 추적이력을 제공하도록 구성될 수 있다.The failure
데이터베이스부(20)는 MCRDR DB(Multi Classification Ripple Down Rule Database)와 FRACAS DB(Failure Reporting Analysis & Corrective Action System Database)로 구성된다.The
MCRDR DB에는 철도시스템의 정비경험, 정비정책 및 기술지식을 포함하는 정보가 저장되어 있고, FRACAS DB에는 철도시스템의 운행결과 분석정보, 운행과정에서 발생한 이벤트정보, 고장에 대한 시정조치정보 및 고장보고서를 포함하는 정보가 저장되어 있다. FRACAS DB에는 고장개소 추출과 고장의 원인 및 결과에 대한 고장모드 관계화를 통해 생성한 구조적 FMECA(Failure Mode Effects and Criticality Analysis)가 추가로 저장되도록 구성될 수 있다.The MCRDR DB stores the information including the railway system's maintenance experience, maintenance policy and technical knowledge, and the FRACAS DB contains the operation result analysis information of the railway system, event information generated during operation, corrective action information and failure report Information including the is stored. FRACAS DB can be configured to additionally store structural FMECA (Failure Mode Effects and Criticality Analysis) generated through fault location extraction and failure mode correlation of causes and effects of failures.
고장발생 대처부(30)는 철도시스템에 고장상황이 감지되는 경우 MCRDR DB를 참조하여 웹 검색 대화형 질의 방식을 통해 원인검색, 기능검색, 조치검색을 거쳐 고장진단추론을 수행하고, 고장진단 룰(Rule)을 통해 고장에 대처하기 위한 권고사항을 대처 우선순위별로 표시하는 기능을 수행한다.When a failure situation is detected in the railway system, the
예를 들어, 이러한 고장발생 대처부(30)는 고장진단추론에 성공하는 경우, 고장진단추론에 대응하는 정비행위와 교체개소에 대한 정보를 사용자에게 제공하도록 구성될 수 있다.For example, the failure
또한 예를 들어, 고장발생 대처부(30)는 고장진단추론에 실패하는 경우, 정비프로토콜 점검 및 보완을 명령하고 그 결과에 대한 정보를 MCRDR DB에 업데이트하도록 구성될 수 있다.
Also, for example, the failure
이하에서는 도 2를 참조하여 본 발명의 일 실시 예에 따른 철도차량의 지능형 고장자산관리시스템의 구체적인 동작의 예를 설명한다.Hereinafter, with reference to FIG. 2 will be described an example of a specific operation of the intelligent fault asset management system of a railway vehicle according to an embodiment of the present invention.
S01에서, 사용자가 초기 로그인한 후, S02에서, 전체 시스템을 구성하는 각 서브시스템에서 전송받은 각 이벤트 정보에 대해 코드마스터 부분에서 제대로 풀 텍스트 모드(Full-text Mode)로 변환되어 상호간 트랜잭션(Transaction)이 정상적으로 이루어졌는지 확인한다. In S01, after the user initially logs in, in S02, each event information received from each subsystem constituting the entire system is correctly converted to full-text mode in the codemaster part and is mutually transacted. ) Check if it is working.
S03의 FRACAS DB는 본 시스템에서 운영하고 있는 운행결과 분석 정보와 그에 따른 이벤트 정보와 시정초치 상황 및 고장보고서, RCM(Reliability Centered Maintenance) 등의 자료가 운용된다.S03's FRACAS DB operates the operation result analysis information, event information, corrective situation and failure report, RCM (Reliability Centered Maintenance) which are operated in this system.
S04에서, 초기 데이터 발생 경향분석과 변동 감시 과정이 수행되는데, 초기 데이터 발생은 FRACAS DB(03)로 부터 원 이벤트 데이터의 발생경향을 분석하여 통계적 추세로 분석하여 변화를 감지한다.In S04, an initial data generation trend analysis and a variation monitoring process are performed, and the initial data generation is analyzed by statistical trends by analyzing the generation trend of the original event data from the FRACAS DB (03) to detect a change.
FRACAS DB로부터 고장보고서와 시정조치 상태를 참고하여, S05에서 데이터 범주화와 데이터 마이닝을 실시하여 S06에서 일상적인 패턴을 도출, 예상진단을 추론한다. 분석 시 고장발생 패턴이 표출이 되면 S07의 변동감지표출 과정을 통해 이상이 감지된 시스템을 표출한다.Based on the failure report and corrective action status from the FRACAS DB, data categorization and data mining are performed in S05 to derive a routine pattern from S06 to infer predictive diagnosis. If a failure occurrence pattern is expressed during analysis, the system detects an abnormality detected through the change detection expression process of S07.
S08의 고장 진단 패턴/지식공유를 위한 MCRDR DB는 FRACAS DB와 연계되어 정비경험, 정비정책, 기술지식의 DB를 가지고 있어 상황을 감지 시 정비개소를 파악하고 정비방법을 도출하는 기능을 한다. 특히, 시스템 고장 감지 시, S09에서의 웹 검색 대화형 질의를 통해 고장진단추론(원인검색, 기능검색, 조치검색)을하고, 고장진단 룰(Rule)을 통해 고장발생률과 대처 우선 순위별로 권고사항을 웹 검색 결과처럼 나타내 준다.MCRDR DB for failure diagnosis pattern / knowledge sharing of S08 has DB of maintenance experience, maintenance policy and technical knowledge in connection with FRACAS DB, so it detects maintenance points and derives maintenance method when detecting situation. In particular, when a system failure is detected, failure diagnosis reasoning (cause search, function search, action search) is performed through web search interactive query in S09, and the recommendation by failure rate and response priority is provided through the failure diagnosis rule. To appear as a web search result.
S10에서 예상진단 Rule/예상 추론이 만족할 경우 S12로 전환되어 정비행위/교체개소 파악하여 조치한다. 만약 만족하지 못하였을 경우 S11로 전환되어 정비프로토콜 점검/보완(11)을 실시하여 고장진단 패턴/지식공유를 위한 MCRDR DB에 향후 고장정비/점검을 실시 할 경우 해당 조치사항을 보완하여 기록한다. 이는 S14에서 고장보고서형태로 작성되어 FRACAS DB와 정비프로토콜을 점검/보완하여 고장진단 패턴/지식공유를 위한 MCRDR DB에 저장된다.If the expected diagnosis rule / expected reasoning is satisfied in S10, the process is switched to S12 to identify and take corrective action / place of replacement. If it is not satisfied, it is converted to S11, and the maintenance protocol check / supplement (11) is carried out, and when the future maintenance / checkup is performed in the MCRDR DB for failure diagnosis pattern / knowledge sharing, the corresponding measures are supplemented and recorded. This is made in the form of a failure report in S14, and the FRACAS DB and maintenance protocols are checked / supplemented and stored in the MCRDR DB for failure diagnosis pattern / knowledge sharing.
예상진단을 위해 FRACAS DB에 저장되는 고장보고와 시정조치결과에 대한 형태소를 분석하여 구문 정의한다(고장개소, 원인, 결과 분류). 이에 고장개소 추출과 고장원인 결과에 대한 고장모드 관계화를 통해 구조적 FMECA 를 생성한다. 구조적 FMECA는 신뢰성(Reliability)과 정비도(Maintainability)를 체계화 한다. 즉, 고장원인과 영향분석 및 고장의 인과관계 표현은 고장진단 Rule 생성시 활용 된다.For predictive diagnosis, the morphological analysis of fault reports and corrective action results stored in the FRACAS DB is analyzed and defined (failure point, cause, result classification). Therefore, the structural FMECA is generated through the failure mode extraction and the failure mode relation to the cause of the failure. Structural FMECA organizes reliability and maintainability. That is, failure cause and effect analysis and expression of the causal relationship of the failure are used when creating the failure diagnosis rule.
고장진단 패턴/지식공유를 위한 MCRDR DB는 고장진단 기능 역할을 하는 전문가 시스템이다. MCRDR 엔진을 적용하여 고장현상이 발생하면 FRACAS DB나 FMECA의 구문패턴을 인식하여 설비상태 정보를 획득하고 웹 검색 대화 질의형 시스템을 통해 각 고장경험을 통한 고장진단 및 관계화를 통해 “고장개소, 고장원인, 고장조치 방법”을 표현한다.
MCRDR DB for troubleshooting pattern / knowledge sharing is an expert system that functions as a troubleshooting function. When failure occurs by applying MCRDR engine, it recognizes the syntax pattern of FRACAS DB or FMECA to acquire the equipment status information, and through failure diagnosis and relation through each failure experience through web search interactive query system, Cause of failure, how to correct the problem ”.
이상에서 상세히 설명한 바와 같이 본 발명에 따르면, 철도시스템의 발생 고장에 대한 고장정보 수집, 분류, 분석 및 시정조치를 자동화하여 고장에 대처하기 위해 소요되는 시간을 줄이고 불필요한 인적자원의 소모를 방지할 수 있는 철도시스템의 지능형 고장자산관리시스템이 제공되는 효과가 있다.As described in detail above, according to the present invention, it is possible to reduce the time required to cope with the failure and to prevent unnecessary consumption of human resources by automating the collection, classification, analysis, and corrective action of failure information on the failure of the railway system. There is an effect that intelligent fault asset management system of existing railway system is provided.
또한, 일부 전문가들의 개인적 경험과 숙련도에 의존한 고장 해결 방식에서 탈피하여 이들의 부재 시에도 고장상황에 신속하고 적절한 대처를 가능하게 하는 철도차량의 지능형 고장자산관리시스템이 제공되는 효과가 있다.In addition, there is an effect that an intelligent fault asset management system of a railroad vehicle is provided, which allows a quick and proper response to a fault situation in the absence of a fault solution method depending on the personal experience and skill of some experts.
또한, 철도시스템의 운영(사업)환경이 변화될 경우 해당 시스템의 커스터마이징을 유연하게 하여 시스템 개발기간을 줄이고, 비용을 절감할 수 있는 철도차량의 지능형 고장자산관리시스템이 제공되는 효과가 있다.In addition, when the operation (business) environment of the railway system is changed, it is possible to flexibly customize the system to reduce the system development period and reduce the cost of the intelligent vehicle asset management system of the railway vehicle.
또한, 고장발생 시 단순한 정보제공이 아닌, 발생된 중요 정보를 정제하여 제공함으로써 고장 당시 관련 시스템의 고장정보를 중복 없이 명확하게 식별하게 하여 정확한 분석을 할 수 있도록 하는 철도시스템의 지능형 고장자산관리시스템이 제공되는 효과가 있다.In addition, the intelligent failure asset management system of the railway system enables the accurate analysis by clearly identifying the failure information of the relevant system at the time of failure by providing refined and provided important information instead of simply providing information when a failure occurs. This has the effect provided.
또한, 고장 예측을 통해 수명주기가 도래한 제품이나 물리적인 스트레스로 인해 수명 단축이 예상되는 제품의 경우, 이상 현상 발생 시 발생패턴을 도출하여 조기에 조치할 수 있도록 교체품목에 대한 권고 및 추적이력을 제공하는 철도시스템의 지능형 고장자산관리시스템이 제공되는 효과가 있다.In addition, for products that have reached the end of their life cycle due to failure prediction or products that are expected to be shortened due to physical stress, the recommendation and tracking history of replacement items can be derived so that the occurrence pattern can be corrected early when an abnormality occurs. Intelligent fault asset management system of the railway system that provides the effect is provided.
또한, 고장감지 시 진단이 어려울 경우 조속한 해결을 위해 대화형시스템을 통하여 원인을 진단하고 과거 유사장애 조치사항을 조회하여 고장을 진단, 계승발전 할 수 있게 하여 자동 학습이 가능한 철도시스템의 지능형 고장자산관리시스템이 제공되는 효과가 있다.
Also, if it is difficult to diagnose in case of failure detection, it is possible to diagnose the cause through the interactive system for prompt resolution and to check the past similar obstacle measures to diagnose and inherit the failure, so that the intelligent failure assets of the railway system can be learned automatically. The management system is effective.
이상에서 본 발명에 대한 기술 사상을 첨부 도면과 함께 서술하였지만, 이는 본 발명의 바람직한 실시 예를 예시적으로 설명한 것이지 본 발명을 한정하는 것은 아니다. 또한, 이 기술 분야의 통상의 지식을 가진 자라면 누구나 본 발명의 기술 사상의 범주를 이탈하지 않는 범위 내에서 다양한 변형 및 모방이 가능함은 명백한 사실이다.Although the technical spirit of the present invention has been described above with reference to the accompanying drawings, the present invention has been described by way of example and is not intended to limit the present invention. In addition, it is a matter of course that various modifications and variations are possible without departing from the scope of the technical idea of the present invention by anyone having ordinary skill in the art.
10: 고장예측 대처부
20: 데이터베이스부
30: 고장발생 대처부10: trouble shooting countermeasure
20: database
30: Failure Countermeasure
Claims (6)
철도시스템의 정비경험, 정비정책 및 기술지식을 포함하는 정보가 저장되어 있는 MCRDR DB(Multi Classification Ripple Down Rule Database)와 철도시스템의 운행결과 분석정보, 운행과정에서 발생한 이벤트정보, 고장에 대한 시정조치정보 및 고장보고서를 포함하는 정보가 저장되어 있는 FRACAS DB(Failure Reporting Analysis & Corrective Action System Database)로 이루어진 데이터베이스부; 및
상기 철도차량에 고장상황이 감지되는 경우 상기 MCRDR DB를 참조하여 웹 검색 대화형 질의 방식을 통해 원인검색, 기능검색, 조치검색을 거쳐 고장진단추론을 수행하고, 고장진단 룰(Rule)을 통해 고장에 대처하기 위한 권고사항을 대처 우선순위별로 복수결론을 표시하는 고장발생 대처부를 포함하는, 철도시스템의 지능형 고장자산관리시스템.In intelligent failure asset management system of railway system,
MCRDR DB (Multi Classification Ripple Down Rule Database), which contains information on the railway system's maintenance experience, maintenance policy and technical knowledge, analysis results of the railway system, event information in the course of operation, and corrective actions for failures. A database unit comprising a FRACAS DB (Failure Reporting Analysis & Corrective Action System Database) storing information including information and a failure report; And
When a fault condition is detected in the railway vehicle, the fault diagnosis inference is performed through cause search, function search, and action search through web search interactive query method with reference to the MCRDR DB, and fault through the rule of fault diagnosis. An intelligent fault asset management system of a railway system, comprising a fault handling unit that displays plural conclusions by priority in response to a recommendation to cope with.
상기 FRACAS DB에 저장되어 있는 고장보고서와 시정조치정보를 참조하여 데이터 범주화와 데이터 마이닝을 수행하여 고장발생패턴을 도출하여 제공하는 고장예측 대처부를 더 포함하는 것을 특징으로 하는, 철도시스템의 지능형 고장자산관리시스템.The method according to claim 1,
Intelligent failure assets of the railway system further comprising a failure prediction response unit for deriving and providing a failure occurrence pattern by performing data categorization and data mining with reference to the failure report and corrective action information stored in the FRACAS DB. Management system.
상기 고장예측 대처부는 상기 FRACAS DB를 참조하여 초기데이터의 발생경향을 통계적 추세로 분석함으로써 고장 변화를 사전에 감지하여 교체품목에 대한 권고 및 추적이력을 제공 하는 것을 특징으로 하는, 철도시스템의 지능형 고장자산관리시스템.The method of claim 2,
The failure prediction coping unit analyzes the trend of occurrence of initial data with statistical trends with reference to the FRACAS DB to detect failure changes in advance and provide recommendations and tracking history for replacement items. Asset management system.
상기 고장발생 대처부는 상기 고장진단추론에 성공하는 경우 상기 고장진단추론에 대응하는 정비행위와 교체개소에 대한 정보를 사용자에게 제공하는 것을 특징으로 하는, 철도시스템의 지능형 고장자산관리시스템.The method according to claim 1,
The failure occurrence countermeasure unit, when the failure diagnosis reasoning is successful, characterized in that to provide the user with information on the maintenance actions and replacement points corresponding to the failure diagnosis reasoning, intelligent failure asset management system of the railway system.
상기 고장발생 대처부는 상기 고장진단추론에 실패하는 경우 정비프로토콜 점검 및 보완을 명령하고 그 결과에 대한 정보를 상기 MCRDR DB에 업데이트하는 것을 특징으로 하는, 철도시스템의 지능형 고장자산관리시스템.The method according to claim 1,
The failure occurrence countermeasure unit, if the failure diagnosis reasoning fails, command the maintenance protocol check and supplementation, characterized in that for updating the information on the results in the MCRDR DB, intelligent failure asset management system of the railway system.
상기 FRACAS DB에는 고장개소 추출과 고장의 원인 및 결과에 대한 고장모드 관계화를 통해 생성한 구조적 FMECA(Failure Mode Effects and Criticality Analysis)가 저장되며 신뢰성기반 유지보수 시스템이 구축되는 것을 특징으로 하는, 철도시스템의 지능형 고장자산관리시스템.
The method according to claim 1,
The FRACAS DB stores structural FMECA (Failure Mode Effects and Criticality Analysis) generated through the extraction of failure points and the failure mode correlation of the causes and consequences of the failure, and a reliability-based maintenance system is constructed. Intelligent failure asset management system of the system.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120100901A KR20140036375A (en) | 2012-09-12 | 2012-09-12 | Intelligent failure asset management system for railway car |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120100901A KR20140036375A (en) | 2012-09-12 | 2012-09-12 | Intelligent failure asset management system for railway car |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20140036375A true KR20140036375A (en) | 2014-03-26 |
Family
ID=50645628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020120100901A KR20140036375A (en) | 2012-09-12 | 2012-09-12 | Intelligent failure asset management system for railway car |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20140036375A (en) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927448B (en) * | 2014-04-18 | 2017-02-15 | 南京理工大学 | Determining method of criticality of fault mode of rail transit vehicle component |
KR20180097768A (en) * | 2016-04-08 | 2018-08-31 | 미쓰비시덴키 가부시키가이샤 | An information processing apparatus, an information processing method, and an information processing program stored in a recording medium |
KR20200137085A (en) * | 2019-05-28 | 2020-12-09 | 한국철도기술연구원 | Fault prediction apparatus and method of electric type side entrance door of electric train |
CN112101585A (en) * | 2020-08-17 | 2020-12-18 | 北京康拓红外技术股份有限公司 | Railway key asset management system based on block chain technology |
CN113884803A (en) * | 2021-08-27 | 2022-01-04 | 国网山东省电力公司日照供电公司 | Distribution network fault studying and judging method |
CN114707313A (en) * | 2022-03-23 | 2022-07-05 | 伊枭剑 | Potential fault analysis method for special vehicle equipment 4F integration technology |
CN114910733A (en) * | 2022-07-15 | 2022-08-16 | 深圳益实科技有限公司 | Display fault intelligent diagnosis analysis system based on artificial intelligence |
KR102448795B1 (en) * | 2021-11-09 | 2022-09-29 | 주식회사 우진기전 | Train maintenance prediction system using intelligent image processing device and data management device |
KR20240023769A (en) | 2022-08-16 | 2024-02-23 | 주식회사 이베리타임 | realtime maintenance management system for railway vehicle |
-
2012
- 2012-09-12 KR KR1020120100901A patent/KR20140036375A/en not_active Application Discontinuation
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927448B (en) * | 2014-04-18 | 2017-02-15 | 南京理工大学 | Determining method of criticality of fault mode of rail transit vehicle component |
KR20180097768A (en) * | 2016-04-08 | 2018-08-31 | 미쓰비시덴키 가부시키가이샤 | An information processing apparatus, an information processing method, and an information processing program stored in a recording medium |
KR20200137085A (en) * | 2019-05-28 | 2020-12-09 | 한국철도기술연구원 | Fault prediction apparatus and method of electric type side entrance door of electric train |
CN112101585A (en) * | 2020-08-17 | 2020-12-18 | 北京康拓红外技术股份有限公司 | Railway key asset management system based on block chain technology |
CN113884803A (en) * | 2021-08-27 | 2022-01-04 | 国网山东省电力公司日照供电公司 | Distribution network fault studying and judging method |
KR102448795B1 (en) * | 2021-11-09 | 2022-09-29 | 주식회사 우진기전 | Train maintenance prediction system using intelligent image processing device and data management device |
CN114707313A (en) * | 2022-03-23 | 2022-07-05 | 伊枭剑 | Potential fault analysis method for special vehicle equipment 4F integration technology |
CN114910733A (en) * | 2022-07-15 | 2022-08-16 | 深圳益实科技有限公司 | Display fault intelligent diagnosis analysis system based on artificial intelligence |
KR20240023769A (en) | 2022-08-16 | 2024-02-23 | 주식회사 이베리타임 | realtime maintenance management system for railway vehicle |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20140036375A (en) | Intelligent failure asset management system for railway car | |
US11243524B2 (en) | System and method for unsupervised root cause analysis of machine failures | |
US5253184A (en) | Failure and performance tracking system | |
KR20190021560A (en) | Failure prediction system using big data and failure prediction method | |
CN105474577B (en) | System and method for monitoring system performance and availability | |
KR20210097369A (en) | Progonstics system of machine equipment using big data based on potential failure mode analysis and method thereof | |
US11733688B2 (en) | System and method for recognizing and forecasting anomalous sensory behavioral patterns of a machine | |
CA2101927A1 (en) | Knowledge based machine initiated maintenance system | |
EP3663919B1 (en) | System and method of automated fault correction in a network environment | |
CN117215940A (en) | Intelligent operation and maintenance emergency processing system | |
CN111242323A (en) | Proactive automated system and method for repairing sub-optimal operation of a machine | |
US20170169342A1 (en) | System and method for diagnosing at least one component requiring maintenance in an appliance and/or installation | |
WO2013041440A1 (en) | System and method for plant wide asset management | |
Gilabert et al. | Intelligent automation systems for predictive maintenance: A case study | |
KR20190135923A (en) | Facility management method and apparatus performing the same | |
Dhanalaxmi et al. | A review on software fault detection and prevention mechanism in software development activities | |
CN116205623A (en) | Equipment maintenance method, device, system, electronic equipment and storage medium | |
Gatica et al. | An industrial analytics approach to predictive maintenance for machinery applications | |
Soualhia et al. | Automated traces-based anomaly detection and root cause analysis in cloud platforms | |
AU2020202134A1 (en) | Data driven machine learning for modeling aircraft sensors | |
Nappi | Integrated maintenance: analysis and perspective of innovation in railway sector | |
Rao et al. | Intelligent system architecture for process operation support | |
Domingos et al. | Why is it so hard to predict computer systems failures? | |
US11822323B2 (en) | Providing corrective solution recommendations for an industrial machine failure | |
Liao | Ensuring System Safety and Resiliency for Mission-Critical Systems during the Operations and Maintenance Phase |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |