메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
김연수 (인천대학교)
저널정보
대한설비관리학회 대한설비관리학회지 대한설비관리학회지 제26권 제4호
발행연도
2021.12
수록면
21 - 30 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Reliability prediction plays a critical role in the engineering product design and engineering process optimization. The ability of accurately predicting reliability for engineering systems or products is an invaluable asset for estimating future system success for any manufacturing company. Reliability prediction process of engineering systems, products or items is necessary to provide concise decision making information to management a high degree of performance effectiveness of such items in early stage of development life cycles in timely manner. Most of these traditional methods of reliability prediction utilize lifetime distribution models and life testing failure data in order to fit the failure time distribution such as Weibull distribution. The resultant predictions from such models are average behavior towards whole population and dichotomous indication of operation or non-operation of systems. They are not considering any additional variables except censoring information. Diverse data-driven reliability prediction technique are available if we uses all available performance metrics of such engineering systems or product. This paper aims to present a machine learning framework for using data-driven analytics to predict the reliability of engineering systems, product or items. This paper will look at machine learning models and the effects on the traditional failure rates and the failure distribution reliability models.
#Reliability Prediction #Machine Learning #Weibull Distribution #Reliability Assessment

목차

등록된 정보가 없습니다.

참고문헌 (10)

참고문헌 신청
Alsina EF / 2016 / A neural network approach to find the cumulative failure distribution: modeling and experimental evidence / Qual Reliab Eng Int 32(2):167~579 google schola Alsina, E. F / 2018 / On the use of machine learning methods to predict component reliability from data-driven industrial case studies / Int J Adv Manuf Technol 94:2419~2433 google schola Chatterjee S / 2012 / Reliability estimation using a genetic algorithm-based artificial neural network: an application to a load-haul-dump machine / Expert Syst Appl 39(12):10,943~10,951 google schola das Chagas Moura M / 2011 / Failure and reliability prediction by support vector machines regression of time series data / Reliab Eng Syst Saf 96(11):1527~1534 google schola Hong WC / 2006 / Predicting engine reliability by support vector machines / Int J Adv Manuf Technol 28(1?2):154~161 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0