2011 Vol.39 Always With the Rail Technology September+October 2011 Vol.39 THEMES TRENDS
September+October 2011 Vol.39 C O N T E N T S 04 08 12 14 16 04 20 24 THEMES 30 38 45 50 12 55 60 TRENDS 70 77 82 COVER STORY 14 2011.09+10 3
Flinders Street station 01 01. 02. 03. 02 03 Korean Rail Technology 04 2011.09+10 05
04 04. 05. 06. 06 05 Korean Rail Technology 06 2011.09+10 07
Korean Rail Technology 08 2011.09+10 09
Korean Rail Technology 10 2011.09+10 11
Korean Rail Technology 12 2011.09+10 13
01. 02. 03~04. 01 02 03 04 Korean Rail Technology 14 2011.09+10 15
2011.09+10 2011.03+04 KORAIL NEWS 2011_09 10 Korean Rail Technology 16 2011.09+10 17
2011.09+10 2011.03+04 KORAIL NEWS 2011_09 10 Korean Rail Technology 18 2011.09+10 19
2011.09+10 2011.03+04 KR NEWS 2011_09 10 Korean Rail Technology 20 2011.09+10 21
2011.09+10 2011.03+04 KR NEWS 2011_09 10 Korean Rail Technology 22 2011.09+10 23
2011.09+10 2011.03+04 KRRI NEWS 2011_09 10 Korean Rail Technology 24 2011.09+10 25
2011.09+10 2011.03+04 KRRI NEWS 2011_09 10 Korean Rail Technology 26 2011.09+10 27
THEMES > Korean Rail Technology 28 2011.09+10 29
THEMES 01 Korean Rail Technology 30 2011.09+10 31
THEMES 01 Korean Rail Technology 32 2011.09+10 33
THEMES 01 Korean Rail Technology 34 2011.09+10 35
THEMES 01 Korean Rail Technology 36 2011.09+10 37
THEMES 02 Korean Rail Technology 38 2011.09+10 39
THEMES 02 Korean Rail Technology 40 2011.09+10 41
THEMES 02 Korean Rail Technology 42 2011.09+10 43
THEMES 02 03 THEMES Korean Rail Technology 44 2011.09+10 45
THEMES 고속차량(KTX) 모터블록 격자저항기 신뢰성 분석 03 신뢰성 기반 유지보수 정책과 철도 국내 발전소의 신뢰도 기반 정비관리 체계 구축 현황 및 활용 철도차량 유지보수의 RCM 적용절차 국방 분야 RCM 및 운용제원기반 Overhaul 주기 산출 모델 소개 고속차량(KTX) 모터블록 격자저항기 신뢰성 분석 도시철도차량 신뢰도/가용도 관리시스템 개발 전기제동, 객차대차에는 기계제동이 체결되는 혼합제동이 적용 설치된 냉각송풍기에 의하여 강제적으로 열을 외부로 방출한다. 된다. KTX에서 사용되는 격자저항기 사진과 결선도는 <그림 1>과 같다. 연도별 교환 현황은 <그림 4>와 같다. 각 모터블록에 설치되어 있는 격자저항기는 2개의 조립체(ZBBK-01, ZB-BK-02)로 구성되어 있다. ZB-BK-01은 6개의 저 ZB-BK-02 항체 RF1*이 직렬로 연결되어 있으며, ZB-BK-02는 2개씩 병렬 ZB-BK-01 격자 저항 RF1 로 연결된 저항체 RF2*를 직렬로 연결하고 있다. 격자저항기의 격자 저항 RF1 열 소손 RF1의 열화로 인한 RF2 열 변형 <그림 2> 격자저항기 불량 상태 합성저항 값은 ZB-BK-01이 3.63Ω이고, ZB-BK-02는 0.88Ω 이다. ZB-BK-02는 양단에서 일부 전기에너지를 모터블록 송풍 인버터에 공급하여 모터블록 냉각 송풍기를 구동하게 한다. * RF1, RF2는 격자저항기 조립체를 이루는 단위 저항기를 말함 ZB-BK-02 3. 격자저항기 불량 현황 고속철도 개통후, 2004년부터 2010년 3월까지 KTX의 격자저항 간격이 일정치 않아 간격 이 좁은 곳에서 단락발 생, 단락시 CO-BK 단락 원인이 됨 단자 연결, 접합 부위 저항치가 높아 이상전류 발생시 용손 <그림 4> 연도별 RF1 교환 수량 RF1 교환 자료를 근거로 KTX TBO 프로그램을 사용하여 모수 추정을 한 결과 고장은 감소추세( 기는 189개를 교환하였다. 46개 편성에 취부된 격자저항기는 )에 있는 것으 로 나타났다. RF1이 1,656개(모터블록 당 6개), RF2가 828개(모터블록 당 3 개)이다. 2010년 3월까지의 누적 고장률은 RF1이 7.01%, RF2가 <그림 1> 격자저항기 사진(上左), 격자저항 결선도(上右), 8.82%를 나타내고 있다. 각 격자저항기의 사용위치(下) RF1 중앙부 및 모서리, 측면부 격자저항기는 발전 제동시 발생된 전기에너지를 열로 방산하기 다음 <그림 2>는 격자저항기 불량(소손) 상태를 보여주는 것이 위하여 필요한 장치이다. KTX의 격자저항기는 모터블록 내부에 며, 일반적인 소손부위는 <그림 3>과 같다. 있으며, 발전 제동시 견인전동기에서 생산한 전기에너지를 받아 <그림 3> 격자저항기 주요 소손 부위 4. 수명 분석 자체 저항기를 이용하여 열(P=I 2R)을 발산하고 저항기 하부에 <그림 5> 3모수 와이블 분포 <그림 6> KTX TBO 프로그램을 격자저항기 수명분석을 위하여 04. 4월 개통 이후부터 10. 3월 이용한 모수추정 까지 교환실적을 검수정보시스템(MICS)과 전사적자원관리시스 템(KOVIS : Korail ERP 시스템)에 저장된 자료를 수집하여 정 년도 RF1 교환수량(연도별) 연(年)간 고장률 연간누적 고장률 RF2 교환수량(연도별) 연(年)간 고장률 연간누적 고장률 총합계 리하였다. 2004 16 0.97% 0.97% 10 1.21% 1.21% 26 2005 30 1.81% 2.78% 13 1.57% 2.78% 43 교환 자료는 외부요인(냉각송풍기, 전력변환장치)에 의하여 발생 2006 15 0.91% 3.69% 7 0.85% 3.62% 22 된 고장을 포함하였다. 2007 10 0.60% 4.29% 10 1.21% 4.83% 20 2008 20 1.21% 5.50% 17 2.05% 6.88% 37 2009 20 1.21% 6.71% 13 1.57% 8.45% 33 2010 5 0.30% 7.01% 3 0.36% 8.82% 8 합계 116 8.22% 73 8.82% 한국철도기술 Korean Rail Technology 4.1 RF1(ZB-BK-01) 분석 RF1(ZB-BK-01)의 연도별 교환 현황을 보면, 2005년도에 30개 로 가장 많이 발생하였으며 2006~2007년 감소추세를 보이다가 2008년, 2009년의 교환 수량은 각각 20개 까지 증가하였다. 189 <그림 7> RF1 고장률 그래프 46 2011.09+10 47
THEMES 03 Korean Rail Technology 48 2011.09+10 49
THEMES 04 Korean Rail Technology 50 2011.09+10 51
THEMES 도시철도차량 신뢰도/가용도 관리시스템 개발 04 신뢰성 기반 유지보수 정책과 철도 국내 발전소의 신뢰도 기반 정비관리 체계 구축 현황 및 활용 철도차량 유지보수의 RCM 적용절차 국방 분야 RCM 및 운용제원기반 Overhaul 주기 산출 모델 소개 고속차량(KTX) 모터블록 격자저항기 신뢰성 분석 도시철도차량 신뢰도/가용도 관리시스템 개발 고장률관리시스템은 작업관리시스템으로부터 생성된 고장 Data 학습을 통해 알 수 있는 인공지능 기능을 가진 시스템이며, 본 시 성능시험 및 시험운행을 마친 후 운영기관으로 넘겨질 때의 제작 통신기술 등을 이용하여 도시철도차량의 부품 또는 장치에 대해 Set으로부터 지수분포, Weibull분포, Normal분포, Log- 스템 개발시 인공신경망 엔진을 개발할 것이다. LCC관리 시스템 사 품질을 운영기관에서 도시철도차량을 지속적으로 유지보수하 실시간으로 상태를 감시하고 이를 기반으로 하여 그 부품 또는 Normal분포에 대해 단위 부품, 장치에 대한 고장률을 계산하고, 은 구입비용 관리, 관리비용관리, 수리비용 관리 시스템으로 구 면서 발생하는 행위를 바탕으로 지속적으로 부품 또는 장치의 품 장치의 실시간 상태를 진단하기 때문에 이는 대상 시스템의 신뢰 노선별, 동일 차종별, 편성별, 차량별 모집단을 이용하여 각각의 성되어 있다. 최적 신뢰도 분배시스템은 시스템의 FBD에 따라 질을 개선 및 개량을 할 수 있도록 시스템적으로 지원하는 것이 도를 향상시키고 직원이 시설을 자주 돌아볼 필요가 없기 때문 경우에 대한 고장률 계산한다, 이때 고장률 계산시 각각의 분포 각 부품의 신뢰도 함수를 기반으로 전체 시스템의 신뢰도 함수를 며, 이를 통해 도시철도차량의 품질을 지속적으로 향상시킬 수 에, 경제적 측면에서 그 효율성이 매우 높다. 이와 같은 효율성이 함수에 해당하는 모수를 도시철도차량에 맞도록 최적의 방법을 구성하고, 중요도가 낮은 부품에 필요 이상으로 높은 신뢰도가 있는 기능을 가진 시스템이며, <그림 4>에 나타난 바와 같이 공 높은 시스템을 전체적으로 도입하기에는 예산과 시간이 부족하 사용해 추정하며, 고장률을 분석할 수 있도록 다양한 Data를 엑 할당되어 전체 시스템의 비용이 증가하는 것을 막을 수 있도록 급망 품질관리, 통계 품질관리, 정밀통계예측 시스템으로 구성되 기 때문에 본 연구에서는 <그림 5>에 나타난 바와 같이 RFID 온 셀 Data 형식으로 제공하는 기능을 가진다. 신뢰도 관리시스템 목적함수를 구성하며, Case by Case로 시스템의 각각의 목표 신 어 있다. 도센서를 통한 차축베어링 상태 감시 및 진단 기능, TCMS 고장 은 FBD 관리, RBD 관리, MTBF 관리, 신뢰도 관리시스템으로 뢰도에 따라 최적화 알고리즘을 적용, 각 부품별로 최적 목표 신 구성된다. FBD 관리시스템은 FBD를 GUI환경으로 관리할 수 뢰도를 주기적으로 할당하는 기능과, 인공신경망 알고리즘 또는 있으며, FBD를 구성시 자재코드 및 BOM 정보를 활용하여 시스 신뢰도 계산을 통해 도출한 MTBF 및 MKBF를 이용하여 구한 템의 연계성을 높일 수 있도록 했으며, 입력, 수정, 삭제가 용이 각 부품의 신뢰도가 최적화를 통해 도출한 신뢰도 충족 여부 판 하도록 기능을 구성하였다. RBD 관리시스템은 RBD를 GUI환경 별, 불충족시 다른 부품 대안을 선택하여 충족시킬 수 있도록 하 으로 관리할 수 있으며, RBD를 구성시 자재코드 및 BOM 정보 였으며, 최적화 알고리듬은 진화알고리듬을 사용하여 개발하고 를 활용하여 시스템의 연계성을 높일 수 있도록 하였으며, 입력, 신뢰도 최적 분배시스템에 사용되는 엔진은 개발할 것이다. 공급망 품질관리 시스템은 부품품질평가, 부품 Catalog 관리, 구 매의뢰관리, 거래기업 관리시스템으로 구성되어 있고, 통계 품질 Data 기록기능을 이용한 전기장치 상태 감시 및 진단기능에 한 해 적용한다. 관리 시스템은 Data 측정관리, 품질 Auditoring, 측정시스템분 석, 품질이상예측, 부품소요량 예측시스템으로 구성되어 있으며, 정밀통계 예측시스템은 고장Data 정밀통계처리, 부품수명 예측 시스템으로 구성되어 있다. 수정, 삭제가 용이한 기능을 가지고 있으며, 시뮬레이션 기법을 이용하여 신뢰도를 계산하는 기능과 시간 변화에 따른 신뢰도 추 정이 가능한 기능을 가지고 있다. MTBF 관리시스템은 Weibull 분포, Normal분포, Log-Normal분포, 지수분포로 추정한 MTBF, MKBF 중 최적의 값을 찾아 그 값을 부품 또는 장치의 MTBF, MKBF로 설정하는 기능을 가진다. 신뢰도 관리시스템은 Weibull분포, Normal분포, 지수분포로 추정한 신뢰도 중 최적 의 값을 찾아 그 값을 부품 또는 장치의 신뢰도로 설정하는 기능 을 가진다. 2.3 유지보수주기 최적화시스템 유지보수주기 최적화 시스템은 <그림 3>에 나타난 바와 같이 도 시철도차량을 구성하는 부품 또는 장치들에 대한 LCC는 최소화 <그림 5> 실시간 진단 시스템 구성도 하면서 신뢰도는 최대화하여 유지보수 주기를 최적화할 수 있는 기능을 가진 시스템이며, 이는 인공신경망, LCC관리, 최적신뢰 3. 결론 도분배 시스템으로 구성되어 있다. <그림 4> 품질향상시스템 구성도 <그림 3> 유지보수주기 최적화 시스템 구성도 비용보다 유지보수비용이 많은 비중(70~80%)을 점유하고 있으 인공신경망시스템은 도시철도차량을 구성하고 있는 단위 시스템 의 RBD를 구할 수 없을 때 사용하는 것으로 시스템을 구성하고 있는 부품에 대한 신뢰도를 바탕으로 시스템을 구성 및 신뢰도를 한국철도기술 Korean Rail Technology 장기간 수명주기(Life Cycle)를 갖는 도시철도차량은 초기 도입 2.4 품질향상 시스템 2.5 실시간 진단시스템 므로 효율적인 유지보수 연구를 통하여 유지보수 비용의 절감과 품질향상 시스템은 도시철도차량이 제작사에서 제작되어 일정한 실시간 진단시스템은 앞선 전자 공학 기술, 센서와 변환기, 컴퓨팅과 대형시스템의 수명 연장을 추구하는 일이 무엇보다 시급하다. 52 2011.09+10 53
THEMES 04 05 THEMES Korean Rail Technology 54 2011.09+10 55
THEMES 05 Korean Rail Technology 56 2011.09+10 57
THEMES 국내 발전소의 신뢰도 기반 정비관리 체계 구축 현황 및 활용 05 신뢰성 기반 유지보수 정책과 철도 철도차량 유지보수의 RCM 적용절차 국내 발전소의 신뢰도 기반 정비관리 체계 구축 현황 및 활용 국방 분야 RCM 및 운용제원기반 Overhaul 주기 산출 모델 소개 고속차량(KTX) 모터블록 격자저항기 신뢰성 분석 도시철도차량 신뢰도/가용도 관리시스템 개발 개발되었다. 개발을 위해 설비 유형별 설비 전문가위원회가 구성 각종 엔지니어링 프로그램 데이터의 통합 관리체계 및 데이터베 4. 결론 되어 장기간 많은 시간과 노력을 통해 개발되었으며, 현재에도 이스를 근거한 과학적인 선진 설비 및 정비관리체계를 구축하고 발전소마다 나름대로 정비 최적화를 위한 많은 노력을 기울이고 계속 개발 중에 있다. 지속적인 예방정비 최적화로 원전의 안전성 및 경제성 향상에 기 있었으며, 방법상에는 조금씩 차이는 있지만 최종 목적은 설비를 여하고자 전 원전에 대한 통합 신뢰도 데이터베이스 구축을 진행 최적의 상태로 유지, 즉 신뢰도, 안전성, 이용률 측면에서 최상의 하고 있다. 개발 중에 있는 설비고장 정보 DB 구축 프로세스는 설비관리 상태를 유지하기 위해 노력하고 있다는 것을 알 수 있 <그림 10>과 같다. 었다. 정비 최적화를 달성하기 위해서는 우선적으로 갖추어야 요 <그림 11>은 설비유형에 대한 고장정보 DB 구축과정으로 먼저 건은 다음과 같다고 생각 된다 설비의 고장메커니즘을 분석하고, 각 회사별 관련정보를 참고로 첫째로 고장경험을 정비업무 및 주기에 피드백 할 수 있는 신뢰 하여, 최적의 고장 DB를 구축하는 과정을 나타내고 있다. 성 있는 설비 고장 데이터베이스가 구축이 우선되어야 하며, 둘째로 정비 최적화 분석을 위한 도구를 별도 운영하지 말고, 정 비관리 시스템내에 구축되고 최종 권고업무가 Work Order와 <그림 7> Medium Voltage Electric Motors 직접 연계되어 일정 도래시 정비행위가 이루어질 수 있도록 해야 <그림 9> 예방정비업무 흐름도 하며, 서부발전(주)는 개발된 78종의 예방정비 기준서를 발전소 적용을 위한 <그림 8>과 같이 웹 기반의 운영 전산프로그램을 개발하였 으며, 개발된 예방정비 기준서를 본 전산프로그램에 등록하여 발 전소 예방정비 계획수립 및 이행을 효과적으로 수행할 수 있도록 하였다. 3.3 한수원(주) 셋째로 권고업무 중 전동기회로분석, 진동분석, 열화상분석, 초 한수원(주)에서는 30여년에 걸쳐 안정적으로 원자력 발전소를 음파분석, 윤활유 분석등 PdM 업무 적용시 어려움이 없도록 조 운영해 왔으나, 국내 원전 신뢰도 자료를 효율적으로 구축하지 직, 장비 및 분석 능력이 충분히 확보되어야 한다. 못하여 DB에 근거한 발전소 설비관리/정비 체계를 갖추지 못했 <그림 11> 설비고장 정보 DB 구축 과정 고, 지속적인 피드백을 통한 예방정비 최적화가 미흡한 실정이 다. 그러므로 한수원(주)는 PMT(Preventive Maintenance <그림 12>은 구축된 설비고장 정보 DB가 어떻게 활용되는지를 Template)에 기반한 설비고장 정보 데이터베이스 구축의 필요성과 나타내고 있다. 마직막으로 정비 최적화 분석 과정은 완전한 것이 아니기 때문에 기준결과를 정기적으로 조정할 필요성이 있고, 설계, 설비, 가동 절차 등이 시간에 따라 변화하기 때문에 이러한 변화는 기준결과 에 영향을 끼친다. 그리고 설비의 거동방법에 대한 이해와 기준 결과를 휠씬 더 개선할 수 있는 새로운 기술에 대한 이해가 모두 지식으로 축적되기 때문에 살아있는 프로그램, 즉 Living RCM 프로그램을 효과적으로 운영해야 한다. 참고문헌 <그림 8> 서부발전(주) PM 관리 전산프로그램 샘플 1. Anthony M. Smith, Glenn R. Hinchcliffe RCM. <그림 9>는 실제 예방정비 기준서를 적용했을 때 기존의 각 설비 2. John Moubray Reliability-centred Maintenance. 에 적용되는 예방정비 업무가 새롭게 만들어지고, 만들어진 예방 3. 동서발전(주) 화력발전설비 정비관리 최적화 분석연구 최종보고서. 정비를 발전소 정비업무에 적용하는 전체적인 정비업무 흐름도 4. 서부발전(주) 예방정비기준 개발 및 적용연구 최종보고서. 5. 한수원(주) 전원전 통합신뢰도 데이터베이스 구축 보고서. 이다. <그림 10> 설비고장 정보 DB 구축 및 적용 프로세스 한국철도기술 Korean Rail Technology <그림 12> 설비고장 정보 DB 구축 활용 58 2011.09+10 59
THEMES 06 Korean Rail Technology 60 2011.09+10 61
THEMES 06 Korean Rail Technology 62 2011.09+10 63
THEMES 국방 분야 RCM 및 운용제원기반 Overhaul 주기 산출 모델 소개 06 신뢰성 기반 유지보수 정책과 철도 국내 발전소의 신뢰도 기반 정비관리 체계 구축 현황 및 활용 국방 분야 RCM 및 운용제원기반 Overhaul 주기 산출 모델 소개 철도차량 유지보수의 RCM 적용절차 고속차량(KTX) 모터블록 격자저항기 신뢰성 분석 도시철도차량 신뢰도/가용도 관리시스템 개발 장비는 24시간 연속 가동되는 장비로서 연간 운용시간은 8,760 : 고장 발생 시 평균 수리/교체비용 시간이다. 장비의 원활한 임무수행을 위해서는 고유가용도가 : 장비의 초기도입비용 또는 overhaul 비용 90%이상 ( 점 = 0.9) 요구된다. 이 조건을 만족하는 overhaul 시 용이력, 고장이력, 정비이력, 장탈착이력 등)을 국방망을 통해 연 시간 : Overhaul 주기 (장비 가동시간 기준) 는 다음과 같다. LAMBDA는 육/해/공군에서 운용중인 무기체계의 운용제원(운 평균비용이 최소가 되는 overhaul 주기는 한 체계이다. 국방기술품질원 주관하에 07년부터 10년까지 개 : 동안 총 고장 발생 수 (장비 1대 기준) Overhaul 주기 동안 총 비용은 이며 이를 년 단위로 환산하면 12.3년에 해당된다. 이 때 단위 가 발하여 운용중이며 현재까지도 추가적인 분석 모델을 검토하여 동시간 당 평균비용은 체계 개선 작업을 지속적으로 수행하고 있다. 원 이며 단위시간 당 평균비용은 다음과 같다. 이를 연단위로 환산하면 동 받아 분석을 수행하여 분석 결과를 관련기관에게 환류하기 위 이다. 년 위 평균비용을 최소로 하는 최적 overhaul 주기 이 된다. 즉 이 장비의 고유가용도를 90%이상 유지하기 위해서 는 다음과 같이 구해진다. 결국 현재의 overhaul 주기 5년은 경제적인 주기보다 지나치게 짧게 설정되어 있는 것이다. 만약 현재의 규정대로 5년 주기로 overhaul을 수행한다면 장비의 가동시간당 평균 비용은 41,032 는 7.77년 이내의 주기로 overhaul을 수행해야 한다. 원이 되며 이는 최적 주기로 overhaul 을 수행할 때보다 20.1% 더 높은 비용이다. 이를 년간 비용으로 환산하면 <그림 8>은 사용시간의 경과에 따른 장비 가용도의 변화를 나타 내고 있다. 고장 발생이 형상모수가, 척도모수가 인 (41,032-34,170) 1500 = 10,293,000원 PLP 모형을 따르는 장비의 overhaul 비용은 1억 8,000만원, 고 장 1건당 평균 수리비용은 240만원, 이 장비의 연간 가동시간은 이 되어, 최적 overhaul 정책을 적용할 경우 장비 1대당 년간 1,500시간이고 현재 overhaul 주기는 5년으로 되어 있다고 가정 10,293,000원의 비용이 절감됨을 볼 수 있다. 만약 이와 동일한 한다. 장비가 500대 운영되고 있다면 연간 51억 4,650만 원의 비용절 <그림 10> LAMBDA 체계 운용개념도 감 효과를 거둘 수 있다. 먼저 이 장비의 overhaul 주기(가동시간단위)에 따른 평균 비용 일반 통계/분석 프로그램은 가공된 데이터를 이용하여 분석하는 함수(단위 : 만원)는 <그림 9>와 같다. 3. LAMBDA 체계 소개 것이 주 기능이나 LAMBDA 체계는 원천 데이터를 데이터베이 스로 구축하고 데이터베이스를 검증하는 작업부터 시작하여 분 현재 공군의 경우는 미국으로부터 도입된 전투기에 대해 RCM 석하는 일련의 과정을 지원한다는 점이 특징이다. <그림 11>은 개념을 적용하여 유지보수 계획을 수립하고 있다. 비행 시간동안 LAMBDA의 분석 흐름을 요약한 것이다. 기체가 받는 중력, 압력, 비행거리 등의 센서 데이터를 이용하여 <그림 8> 가용도 기준 Overhaul 주기 결정 사례 2.4.2 비용 기준 Overhaul 주기 산정 정비 일정을 수립하는 데 중요한 판단 요소로 활용하고 있다는 앞에서 소개한 모델뿐만 아니라 상용 프로그램의 주요 분석 기능 사실은 RCM 개념을 적용하여 정비를 수행하고 있음을 뜻한다. 을 포함하고 있다. 그리고 Overhaul 주기 산정 모델은 고유가용 여기서는 LAMBDA 체계를 소개하고자 한다. LAMBDA 체계는 도 기준을 운용가용도 기준으로 개선하는 연구를 수행 중이다. 고장발생이 PLP(Power Law Process) 모형을 따르는 장비에 RCM을 목적으로 구축한 체계는 아니지만 LAMBDA 체계에서 대해서 초기비용 및 고장비용으로 구성되는 비용함수를 구하여 제공하는 RAM 분석결과, 특히 Overhaul 주기산정 결과는 단위시간 당 평균비용을 최소화하는 overhaul 시점 RCM으로 활용될 수 있다. 식으로 구한다. 한국철도기술 Korean Rail Technology 를 다음 <그림 9> 평균비용 최소화 사례 64 2011.09+10 65
THEMES 06 Korean Rail Technology 66 2011.09+10 67
TRENDS > Korean Rail Technology 68 2011.09+10 69
TRENDS 01 Korean Rail Technology 70 2011.09+10 71
TRENDS 01 Korean Rail Technology 72 2011.09+10 73
TRENDS 01 Korean Rail Technology 74 2011.09+10 75
TRENDS 01 02 TRENDS Korean Rail Technology 76 2011.09+10 77
TRENDS 02 Korean Rail Technology 78 2011.09+10 79
TRENDS 02 Korean Rail Technology 80 2011.09+10 81
TRENDS 03 Korean Rail Technology 82 2011.09+10 83
TRENDS 03 Korean Rail Technology 84 2011.09+10 85
TRENDS 03 Korean Rail Technology 86 2011.09+10 87
TRENDS 03 Korean Rail Technology 88 2011.09+10 89