Existing reinforced concrete buildings with seismically deficient column details affect the overall behavior depending on the failure type of column. This study aims to develop and validate a machine learning-based prediction model for the column failure modes (shear, flexure-shear, and flexure failure modes). For this purpose, artificial neural network (ANN), K-nearest neighbor (KNN), decision tree (DT), and random forest (RF) models were used, considering previously collected experimental data. Using four machine learning methodologies, we developed a classification learning model that can predict the column failure modes in terms of the input variables using concrete compressive strength, steel yield strength, axial load ratio, height-to-dept aspect ratio, longitudinal reinforcement ratio, and transverse reinforcement ratio. The performance of each machine learning model was compared and verified by calculating accuracy, precision, recall, F1-Score, and ROC. Based on the performance measurements of the classification model, the RF model represents the highest average value of the classification model performance measurements among the considered learning methods, and it can conservatively predict the shear failure mode. Thus, the RF model can rapidly predict the column failure modes with simple column details.

The evaluation of the damage ratio of spent nuclear fuel is a very important intermediate variable for dry storage risk assessment, which requires an interdisciplinary and comprehensive investigation. It is known that the pinch load applied to the cladding can leaded to Mode-3 failure and the cladding becomes more vulnerable to this failure mode with the existence of radial hydrides and other forms of mechanical defects. In this study, the failure resistance of Zircaloy-4 cladding against the pinch load is investigated using numerical simulations assuming the existence of radial hydrides. The simulation model is based on the microscopic images of cladding. A pixel-based finite element model was created by separating the Zircaloy-4 and hydride using the image segmentation method. The image segmentation method uses a morphology operation basis, which is a preprocessing method through erosion operation after image expansion to enable normal segmentation by emphasizing pixels corresponding to hydrides. The segmented images are converted into a finite element model by assigning node and element numbers together with corresponding material properties. Using the generated hydride cladding finite element model, several numerical methods are investigated to simulate crack propagation and cladding failure under pinch load. Using extended finite element (XFEM) models the initiation and propagation of a discrete crack along an arbitrary, solution-dependent path can be simulated without the requirement of remeshing. The applicability of fracture mechanical parameters such as stress intensity, J-integral was also investigated.

There have been a lot of studies in the past for the method of predicting the failure of a machine, and recently, a lot of researches and applications have been generated to diagnose the physical condition of the machine and the parts and to calculate the remaining life through various methods. Survival models are also used to predict plant failures based on past anomaly cycles. In particular, special machine that reflect the fluid flow and process characteristics of chemical plants are connected to hundreds or thousands of sensors, so there are not many factors that need to be considered, such as process and material data as well as application of derivative variables. In this paper, the data were preprocessed through time series anomaly detection based on unsupervised learning to predict the abnormalities of these special machine. Next, clustering results reflecting clustering-based data characteristics were applied to produce additional variables, and a learning data set was created based on the history of past facility abnormalities. Finally, the prediction methodology based on the supervised learning algorithm was applied, and the model update was confirmed to improve the accuracy of the prediction of facility failure. Through this, it is expected to improve the efficiency of facility operation by flexibly replacing the maintenance time and parts supply and demand by predicting abnormalities of machine and extracting key factors.

본 논문에서는 차량용 반도체가 제품 출하 후 사용 환경에 따라 발생되는 불량률을 데이터 마이닝 기법을 이용하여 분석하였다. 20세기 이후 가장 보편적인 이동 수단인 자동차는 전자 컨트롤 장치와 자동차용 반도체의 사용량이 급격히 증가하면서 매우 빠른 속도로 진화하고 있다. 자동차용 반도체는 차량용 전자 컨트롤 장치 중 핵심 부품으로 소비자들에게 안정성, 연료 사용의 효율성, 운전의 안정감을 제공하기 위해 사용되고 있다. 자동차용 반도체는 가솔린엔진, 디젤 엔진, 전기 모터를 컨트롤하는 기술, 헤드업 디스플레이, 차선 유지 시스템 등 많은 부분에 적용되고 있다. 이와 같이 반도체는 자동차를 구성하는 거의 모든 전자 컨트롤 장치에 적용되고 있으며 기계적인 장치를 단순히 조합한 이상의 효과를 만들어 내고 있다. 자동차용 반도체는 10년 이상의 자동차 사용 기간을 고려하여 높은 신뢰성, 내구성, 장기공급 등의 특성을 요구하고 있다. 자동차용 반도체의 신뢰성은 자동차의 안전성과 직접적으로 연결되기 때문이다. 반도체업계에서는 JEDEC과 AEC 등의 산업 표준 규격을 이용하여 자동차용 반도체의 신뢰성을 평가하고 있다. 또한 자동차 산업에서 표준으로 제시한 신뢰성 실험 방법과 그 결과를 이용하여 개발 초기 단계 및 제품 양산 초기 단계에서 제품의 수명을 예측 하고 있다. 하지만 고객의 다양한 사용 조건 및 사용 시간 등 여러 변수들에 의해 발생되는 불량률을 예측하는 데는 한계가 있다. 이러한 한계점을 극복하기 위하여 학계와 산업계에서 많은 연구가 있어왔다. 그 중 데이터 마이닝 기법을 이용한 연구가 다수의 반도체 분야에서 진행되고 있지만, 아직 자동 차용 반도체에 대한 적용 및 연구는 미비한 상태이다. 이러한 관점에서 본 연구는 데이터 마이닝 기법을 이용하여 반도체 조립(Assembly) 과 패키지 테스트(Package test) 공정 중 발생 된 데이터들간의 연관성을 규명하고, 고객 불량 데이터를 이용하여 잠재 불량률 예측에 적합한 데이터 마이닝 기법을 검증하였다.

본 연구에서는 고체로켓의 임무 수행 중 연소실 내압으로 인해 발생하는 고체로켓 케이스의 3가지 고장(응력파괴, 균열파괴, 볼트 체결 부 파손) 확률을 효과적으로 예측하는 기법을 개발하였다. 전체적인 확률계산 과정은 다음과 같다: 1) 고체로켓 모터의 고장모드에 영향을 주는 설계 변수선정 및 확률분포 부여, 2) 연소해석을 통한 로켓의 최대작동압력(maximum expected operating pressure, MEOP)의 확률분포 계산, 3) 케이스의 응력과 변형 형상을 구하기 위한 유한요소해석, 4) 3가지 고장함수에 대한 신뢰도예측의 수행. 계산의 편의를 위해 유한요소모델은 축대칭으로 가정하였고 볼트 체결 부의 접촉을 고려하였다. 효율적인 신뢰도예측을 위해 FORM(first-order reliability method) 기법을 통해 MPP(most probable failure point)를 탐색한 후, LHS(latin hypercube sampling)와 반응표면기법을 적용하여 고장모드를 다항식으로 근사화하며, 중요도 추출법을 적용하여 고장확률을 계산하였다.

This paper presents a method for the assesment of thermal and vibration fatigues in integral exhaust manifold/turbine housing system. Most of failures on turbine housing are observed by thermal cyclic loads. In order to predict thermal failures by finite element analysis, we considered the temperature-dependent inelastic materials and transient temperature histories based on the thermal shock test. The results showed that the plastic strains of localized critical regions such as valve seat coincided well with crack locations from an endurance test. But, some failures around neck areas of turbine housing could not predict from thermal stress analysis. These cracks were originated due to the vibration excitations near resonance frequencies within engine operating ranges. The stress results of neck areas, which divided by temperature dependent yield stresses, from harmonic analysis showd a good agreement with experimental results.

산림유역 조건에 따른 붕괴 토사량을 측정하여 사면 붕괴가능성을 평가하고 붕괴위험 지역에 대한 예지기술(豫知技術)을 개발함으로서 산지사면에서 발생하는 각종 재해에 대한 피해를 최소화 할 수 있는 산림유역 관리에 대한 기술적 기초 자료를 제공하고자 연구하였다. 붕괴 위험지역을 평가한 결과 I급지(매우 위험지역)는 화성암지 역으로 침엽수림이며 임령은 20년생 이하, 토심은 30cm 이하, 토성은 사질식양토(SCL), 석력함량은 31~40%, 사면방위는 남~동(S~E)사면, 주하천길이는 2,501~3,500m, 총하천수는26~30개, 총하천길이는5,501~10,000m, 하천차수는 3차수, 일차하천수는 11~15개 또는 16개 이상, 사면경사는 31˚이상의 지역으로 평가되었고, II급지(위험지역)는 변성암지역으로 활엽수림이며 임령은 21~24년생, 토심은31~40cm, 토성은 미사질식양토(SiCL) 또는 사질식양토(SCL), 석력함량은 11~20%, 사면방위는 남~서(S~W)사면, 주하천길이는 1,501~2,500m, 총하천수는 6~10개, 총하천길이는 3,501~5,500m, 하천차수는 2차수, 일차하천수는 6~10개, 사면경사는 31˚이상의 지역으로 평가되었으며, III급지(비 위험지역)는 퇴적암지역으로 임상은 혼효림, 임령은 25년생 이상, 토심은 41~50cm, 토성은 미사질식양토(SiCL), 석 력함량은 10% 이하, 사면방위는북~서(N~W)사면, 주하천길이는 500m 이하, 총하천수는 5개 이하, 총하천길이는 1,000m 이하, 하천차수는 1차수, 일차하천수는 2개 이하, 사면경사는 25˚이하의 지역으로 평가되었다. 붕괴위험 예측치를 이용하여 붕괴위험지역을 예지한 결과 점수의 합계가 I급지는 4.8052점 이상이며 II급지는 4.8051점에서 2.5602점 사이에 해당하며 III급지는 2.5601점 이하의 지역으로 분석되었다.

횡방향으로 프리스트레스가 도입된 장지간 PSC 바닥판의 정적 거동을 예측하기 위한 유한요소해석 모델을 구성하고, 해석결과를 선행연구에 의한 실험결과와 비교하였다. 유한요소해석에 의하여 서로 다른 콘크리트 강도와 프리스트레스 크기를 변수로 갖는 각각의 실험체에 대한 하중-처짐 관계 곡선을 비교적 근접하게 추정할 수 있었다. 또한, 변형률 분포와 변수에 따른 극한강도 변화로부터 펀칭전단에 의한 파괴형태와 손상범위 등을 간접적으로 예측할 수 있었다. 이 연구에서 활용된 유한요소해석 모델은 펀칭전단파괴에 의한 펀칭콘의 분리를 사실적으로 재현하기 위한 목적이 아니며, 실험연구를 위한 보조적 수단으로서 정적거동예측과 실험결과의 보완 등에 효과적으로 활용될 수 있을 것으로 판단된다.

대도시 및 지하구조물에서 주로 발생하는 탄산화는 사용기간의 증가에 따라 철근부식이 발생하며, 이러한 철근부식은 구조물의 성능저하로 진전된다. 하나의 RC 구조물이라 하더라도, 콘크리트 시공에 의해 건전부 뿐 아니라 시공이음부 또는 균열부와 같은 취약부가 발생하기가 쉽지만, 진단시에는 일반적으로 건전부만을 대상으로 탄산화 거동을 분석하고 있다. 본 연구에서는 대도시에서 사용중인 고가교의 RC 교각을 대상으로 하여 건전부, 균열부, 시공이음부 콘크리트의 탄산화 실태조사를 수행하였다. 조사된 탄산화 깊이와 측정된 피복두께를 확률변수로 하여, 사용기간에 따라 증가하는 내구적 파괴확률을 도출하였다. 한편 국내 시방서에 서 제시하는 목표파괴확률을 기준으로 대상구조물의 내구수명을 평가하였다. 동일한 기둥부재라 하더라도 건전부, 균열부, 시공이음부 콘크리트에 따라 도출된 내구수명은 각각 다르게 평가되었으며, 피복두께가 작고 균열폭이 큰 경우에서는 매우 빠르게 감소함을 알 수 있었다. 피복두께의 변동계수에 따라서도 내구적 파괴 확률의 변화가 크므로 적절한 시공과 품질확보가 중요함을 알 수 있다.

사면거동 및 파괴를 분석하기 위하여, 일반적으로 암반사면에는 Polynomial model, 토사사면에는 Growth model을 별도로 적용하여 사용하여 왔다. 이 기법은 사면의 파괴예측보다 사면의 누적변위를 묘사하기 위한 그래프 형태 위주이다. 따라서 본 연구에서는 사면의 거동보다는 파괴 예측에 초점을 맞추어 일반적으로 사용되는 두 모델을 병합하여 파괴예측을 위한 Asymptote(점근선)과 누적변위량도 같이 묘사할 수 있는 3차 방정식 모델 (3-degree polynomial model)로 단일화 할 것을 제안하여 현장 계측 data를 분석하였다. 국도 절취 사면부인 단양군 고수재 사면과 영덕군 축산면에 위치한 영덕 사면에 본 해석 모델을 적용하였다. 고수재는 토사사면으로 Growth model에 다른 거동을 나타내었고, 영덕사면은 Polynomial model에 따른 거동을 나타내었다. 분석결과, Polynomial model 과 Growth model로 구분된 해석 모델 형태를 의 형태를 가지는 3차 방정식을 사용하면, 하나의 모델로 사면의 거동 및 파괴를 해석할 수 있으며, 그 거동 해석 및 파괴 예측능력이 더 우수하다는 것이 증명되었다. Polynomial model의 경우, 방정식의 차수를 증가시켜도, 그래프의 값과 형태가 유사함을 알 수 있었다.