| 1 |
1
컴퓨터로 구현되는 소재의 크리프 수명 예측 시스템에 의해 각 단계가 수행되는 소재의 크리프 수명 예측 방법에 있어서,소재 관련 데이터들, 해당하는 상기 소재에 대해 수행되었던 크리프 수명 시험 관련 데이터들을 수집하는 데이터 수집 단계(S100);상기 데이터 수집 단계(S100)에 의해 수집한 상기 데이터들을 이용하여, 소재 별 크리프 수명과 관련된 특징 데이터를 분석 및 추출하는 특징 추출 단계(S200);상기 데이터 수집 단계(S100)에 의해 수집한 상기 데이터들과, 상기 특징 추출 단계(S200)에서 추출한 상기 특징 데이터들을 머신러닝 학습을 위한 학습 데이터로 변환하고, 머신러닝 학습을 수행하는 제1 학습 처리 단계(S300);상기 제1 학습 처리 단계(S300)의 학습 결과에 따른 학습 모델을 이용하여, 소재 별 특징 데이터와 크리프 수명 간의 상관도 분석을 수행하여, 상기 특징 추출 단계(S200)에서 추출한 상기 특징 데이터들의 필터링하는 필터링 단계(S400);상기 데이터 수집 단계(S100)에 의해 수집한 상기 데이터들과 상기 필터링 단계(S400)에 의해 필터링한 특징 데이터들을 이용하여, 머신러닝 학습을 수행하는 제2 학습 처리 단계(S500); 및상기 제2 학습 처리 단계(S500)의 학습 결과에 따른 학습 모델을 이용하여, 입력되는 크리프 수명을 예측하고자 하는 소재 관련 데이터 또는 수행하고자 하는 소재의 크리프 수명 시험 관련 데이터들을 적용하여, 해당하는 소재의 크리프 수명을 예측하는 수명 예측 단계(S600);를 포함하는, 소재의 크리프 수명 예측 방법
|
| 2 |
2
제 1항에 있어서,상기 소재의 크리프 수명 예측 방법은,상기 수명 예측 단계(S600)를 수행하고 난 후,상기 수명 예측 단계(S600)에 의해 입력된 크리프 수명을 예측하고자 하는 소재 관련 데이터와 동일한 소재에 대한 크리프 수명 시험이 수행될 경우,수행된 상기 크리프 수명 시험에 대한 결과 데이터를 수집하여, 상기 수명 예측 단계(S600)에 의해 예측한 상기 크리프 수명과 비교 분석을 통한 검증을 수행하는 검증 단계(S700);를 더 포함하는, 소재의 크리프 수명 예측 방법
|
| 3 |
3
제 1항에 있어서,상기 데이터 수집 단계(S100)는크리프 수명 시험이 수행되었던 소재의 조성 정보를 수집하는 제1 데이터 수집 단계(S110);수행되었던 크리프 수명 시험의 온도 조건 정보 및 응력 조건 정보를 수집하는 제2 데이터 수집 단계(S120);수행되었던 크리프 수명 시험의 시험 경과 시간, 크리프 변형률 데이터, 크리프 커브 데이터를 수집하는 제3 데이터 수집 단계(S130); 및크리프 수명 시험을 수행한 후, 미세조직 분석을 통한 소재의 미세조직 데이터를 수집하는 제4 데이터 수집 단계(S140);를 포함하는, 소재의 크리프 수명 예측 방법
|
| 4 |
4
제 3항에 있어서,상기 특징 추출 단계(S200)는상기 데이터 수집 단계(S100)에 의해 수집한 상기 데이터들 중 소재의 조성 정보와 수행되었던 크리프 수명 시험의 온도 조건 정보를 분석하여, 소재 별 크리프 수명과 관련된 미세조직 특징 데이터를 추출하는 제1 특징 추출 단계(S210);상기 데이터 수집 단계(S100)에 의해 수집한 상기 데이터들 중 크리프 변형률 데이터, 크리프 커브 데이터를 분석하여, 소재 별 크리프 변형과 관련된 변형 특징 데이터를 추출하는 제2 특징 추출 단계(S220); 및상기 제1 특징 추출 단계(S210)에 의해 추출한 소재 별 크리프 수명과 관련된 미세조직 특징 데이터와, 상기 제2 특징 추출 단계(S220)에 의해 추출한 상기 소재 별 크리프 변형과 관련된 변형 특징 데이터를 통합 분석하여, 소재 별 크리프 변형과 관련된 미세조직 특징 데이터를 추출하는 제3 특징 추출 단계(S230);를 포함하는, 소재의 크리프 수명 예측 방법
|
| 5 |
5
제 1항에 있어서,상기 필터링 단계(S400)는상기 제1 학습 처리 단계(S300)의 학습 결과에 따른 학습 모델을 이용하여, 소재 별 특징 데이터와 크리프 수명 간의 상관도 분석을 수행하여, 분석한 상관도를 내림차순을 정의하여, 상기 특징 추출 단계(S200)에서 추출한 상기 특징 데이터들 중 소정 순위 내의 상관도를 갖는 특징 데이터만을 도출하는, 소재의 크리프 수명 예측 방법
|
| 6 |
6
소재 관련 데이터들, 해당하는 상기 소재에 대해 수행되었던 크리프 수명 시험 관련 데이터들을 수집하는 데이터 수집부(100);상기 데이터 수집부(100)로부터 전달받은 상기 데이터들을 분석하여, 소재별 크리프 수명과 관련된 특징 데이터들을 추출하는 특징 추출부(200);상기 데이터 수집부(100)로부터 전달받은 상기 데이터들과, 상기 특징 추출부(200)로부터 전달받은 상기 특징 데이터들을 이용하여, 머신러닝 학습을 위한 학습 데이터를 생성하고, 머신러닝 학습을 수행하는 제1 학습 처리부(300);상기 제1 학습 처리부(300)에서의 학습 결과에 따른 학습 모델을 이용하여, 소재 별 특징 데이터와 크리프 수명 간의 상관도 분석을 수행하는 상관도 분석부(400);상기 상관도 분석부(400)에 의한 상관도 분석 결과를 이용하여, 상기 특징 추출부(200)로부터 전달받은 상기 특징 데이터들의 필터링을 수행하는 필터링부(500);상기 데이터 수집부(100)로부터 전달받은 상기 데이터들과, 상기 필터링부(500)로부터 전달받은 필터링한 특징 데이터들을 이용하여, 머신러닝 학습을 수행하는 제2 학습 처리부(600); 및상기 제2 학습 처리부(600)에서의 학습 결과에 따른 학습 모델을 이용하여, 입력되는 크리프 수명을 예측하고자 하는 소재 관련 데이터 또는 수행하고자 하는 소재의 크리프 수명 시험 관련 데이터들을 적용하여, 해당하는 소재의 크리프 수명을 예측하는 수명 예측부(700);를 포함하는, 소재의 크리프 수명 예측 시스템
|
| 7 |
7
제 6항에 있어서,상기 소재의 크리프 수명 예측 시스템은상기 수명 예측부(700)에 의해 해당하는 소재의 크리프 수명을 예측을 수행하고 난 후, 상기 수명 예측부(700)로 입력된 크리프 수명을 예측하고자 하는 소재 관련 데이터와 동일한 소재에 대한 크리프 수명 시험이 수행될 경우,수행된 상기 크리프 수명 시험에 대한 결과 데이터를 수집하는 결과 데이터 수집부(800); 및상기 결과 데이터 수집부(800)로부터 전달받은 상기 결과 데이터와 상기 수명 예측부(700)에 의해 예측한 상기 크리프 수명과의 비교 분석을 통한 검증을 수행하는 검증부(900);를 더 포함하는, 소재의 크리프 수명 예측 시스템
|
| 8 |
8
제 6항에 있어서,상기 데이터 수집부(100)는크리프 수명 시험이 수행되었던 소재의 조성 정보를 수집하는 제1 데이터 수집부(110);수행되었던 크리프 수명 시험의 온도 조건 정보 및 응력 조건 정보를 수집하는 제2 데이터 수집부(120);수행되었던 크리프 수명 시험의 시험 경과 시간, 크리프 변형률 데이터, 크리프 커브 데이터를 수집하는 제3 데이터 수집부(130); 및크리프 수명 시험을 수행한 후, 미세조직 분석을 통한 소재의 미세조직 데이터를 수집하는 제4 데이터 수집부(140);를 더 포함하는, 소재의 크리프 수명 예측 시스템
|
| 9 |
9
제 8항에 있어서,상기 특징 추출부(200)는상기 데이터 수집부(100)에 의해 수집한 상기 데이터들 중 소재의 조성 정보와 수행되었던 크리프 수명 시험의 온도 조건 정보를 분석하여, 소재 별 크리프 수명과 관련된 미세조직 특징 데이터를 추출하는 제1 특징 추출부(210);상기 데이터 수집부(100)에 의해 수집한 상기 데이터들 중 크리프 변형률 데이터, 크리프 커브 데이터를 분석하여, 소재 별 크리프 변형과 관련된 변형 특징 데이터를 추출하는 제2 특징 추출부(220); 및상기 제1 특징 추출부(210)에 의해 추출한 소재 별 크리프 수명과 관련된 미세조직 특징 데이터와, 상기 제2 특징 추출부(220)에 의해 추출한 상기 소재 별 크리프 변형과 관련된 변형 특징 데이터를 통합 분석하여, 소재 별 크리프 변형과 관련된 미세조직 특징 데이터를 추출하는 제3 특징 추출부(230);를 포함하는, 소재의 크리프 수명 예측 시스템
|
| 10 |
10
제 8항에 있어서,상기 필터링부(500)는상기 상관도 분석부(400)에 의한 상관도 분석 결과를 이용하여, 상기 특징 추출부(200)로부터 전달받은 상기 특징 데이터들을 분석한 상관도에 따라 내림차순으로 정의하고, 소정 순위 내의 상관도를 갖는 특징 데이터만을 도출하는, 소재의 크리프 수명 예측 시스템
|
