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
질문

논문 기본 정보

자료유형
학술저널
저자정보
윤지현 (고려대학교) 추창욱 (고려대학교) 허종국 (고려대학교) 임새린 (고려대학교) 정현빈 (현대 모비스) 김성범 (고려대학교)
저널정보
대한산업공학회 대한산업공학회지 대한산업공학회지 제51권 제2호
발행연도
2025.4
수록면
127 - 141 (15page)
DOI
10.7232/JKIIE.2025.51.2.127

이용수

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

초록· 키워드

오류제보하기
Constructing a health indicator for vehicles is becoming important for enhancing reliability and stability of operation systems. Typically, health indicator construction relies on supervised learning using each device’s end-of-life data. However, obtaining complete lifecycle data for automotive vehicles is challenging because of their long operational lifespans. This study proposes an unsupervised learning approach using a long-short term memory-based variational autoencoder (LSTM-VAE) to construct health indicators for vehicles using only early-life driving data. The VAE model learns the distribution of input data through reconstruction, allowing the detection of changes in data distribution due to aging by monitoring reconstruction errors. However, because VAE models may struggle to capture subtle data variations, this study integrates the concept of cumulative sum (CUSUM) control chart, which effectively detects minor changes of data distribution over time. Experimental results show that the CUSUM-based health indicator outperform the reconstruction error-based indicator in both quantitative and qualitative assessments. Notably, the health indicator demonstrates a clear response to specific component repairs or replacements, validating the practical effectiveness of the proposed approach in real-world vehicle operations. By enabling early detection of potential failures, this comprehensive vehicle health indicator can help reduce unexpected downtime and maintenance costs, ultimately improving the reliability and safety of automotive vehicles. This study is the first to develop a comprehensive vehicle health indicator using early-life data, verified with actual vehicle data, highlighting the practical applicability of PHM technology in the automotive industry.
#Health Indicator Construction #Prognostic and Health Management #Integrated Vehicle Health Management #LSTM-VAE #Unsupervised Learning

목차

1. 서론
2. 관련 연구
3. 제안 방법론
4. 실험 결과
5. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

탁구 경기의 자동 점수판을 활용한 공의 위치 감지 방식에 관한 연구
이창희 ,  조경순 ,  김남섭 전자공학회논문지 2025 .05
소규모 하청 기업의 산업재해 예방을 위한 상생협력프로그램의 실태 및 발전 방안 연구
정홍인 ,  정민찬 ,  신상문 대한인간공학회지 2025 .04
국가 에너지기본계획의 에너지믹스와 전과정평가 기반의 온실가스 배출계수 변화
김도완 ,  김준범 대한환경공학회지 2025 .04
이차전지 산업폐수의 해양 방류에 따른 독성영향 예측 연구: 전과정 영향 평가 방법 적용
채수복 ,  신재돈 ,  정승우 대한환경공학회지 2025 .04
얼굴형을 고려한 자카드 유사도 기반 헤어스타일 추천 시스템
이상민 ,  정재형 ,  이계식 전자공학회논문지 2025 .04

최근 본 자료

전체보기

댓글(0)

0