Predicting remaining useful life (RUL) becomes significant to implement prognostics and health management of industrial systems. The relevant studies have contributed to creating RUL prediction models and validating their acceptable performance; however, they are confined to drive reasonable preventive maintenance strategies derived from and connected with such predictive models. This paper proposes a data-driven preventive maintenance method that predicts RUL of industrial systems and determines the optimal replacement time intervals to lead to cost minimization in preventive maintenance. The proposed method comprises: (1) generating RUL prediction models through learning historical process data by using machine learning techniques including random forest and extreme gradient boosting, and (2) applying the system failure time derived from the RUL prediction models to the Weibull distribution-based minimum-repair block replacement model for finding the cost-optimal block replacement time. The paper includes a case study to demonstrate the feasibility of the proposed method using an open dataset, wherein sensor data are generated and recorded from turbofan engine systems.

염해에 콘크리트 구조물은 사용기간의 증가에 따라 내구성에 문제가 발생하므로 보수를 포함한 유지관리가 필수적이다. 일반적으로 결정론적인 방법으로 내구수명이 결정되고 이에 따라 유지관리비가 평가되고 있으나, 확률론적 유지관리 기법을 고려할 경우 연속적인 보수비용이 평가되므로 합리적인 유지관리가 가능하다. 기존의 확률론적 유지관리 기법에서는 정규분포만 고려되었으나, 본 연구에서는 초기 내구수명 및 보수에 따른 수명-확률함수에 로그함수를 고려할 수 있도록 개선되었으며, OPC 및 GGBFS를 사용한 콘크리트에 대하여 보수비용을 평가하였다. 로그 함수를 가지는 수명-확률함수는 중앙값 이전보다 이후에 미치는 영향이 지배적이므로 초기 내구수명 분포에 유리하며 전반적으로 낮은 보수비용을 도출할 수 있다. GGBFS를 사용한 콘크리트는 OPC 콘크리트 비하여 높은 내구수명과 낮은 보수횟수를 통하여 30% 수준으로 보수비가 감소하였다. 본 연구에서 도출된 확률론적 유지관기 기법은 정규분포 뿐 아니라 로그분포를 가지는 수명-확률함수를 초기 및 다양한 보수시기에 적용할 수 있는 장점을 가지고 있으며, 더욱 합리적인 보수비용을 도출할 수 있다.

In order to establish preventive maintenance and to make a reasonable estimate of the required repair cost for bridges, the related history information of the existing bridge inspection and diagnosis was analyzed. It was analyzed that about 75% of the repair costs were required for the pavement, expansion joining, curb, and railings in the service area of bridges.