인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
In predictive maintenance, estimating the remaining useful life (RUL) of equipment and machines is essential to plan maintenance, optimize efficiency and avoid unplanned downtime. RUL refers to the estimated duration an asset can continue to operate effectively before it requires repair or replacement. It serves as a key indicator for optimizing maintenance schedules, improving asset utilization, and sustaining overall plant efficiency. In the manufacturing industry, where even minor disruptions can result significant production losses, reliable RUL estimation is crucial for maintaining workflow continuity and product quality. This study highlights the crucial importance of estimating RUL in manufacturing systems, reviews recent advances in prognostic methodologies and addresses the limitations of purely data-based or physics-based approaches by proposing a hybrid RUL estimation framework. The proposed method integrates statistical reliability measures to allow more accurate and robust predictions in dynamic industrial environments. The results obtained validate the proposed methodology and demonstrate its effectiveness in improving the accuracy and robustness of the RUL estimation.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
