MIL-HDBK-217는 1961년 출간된 이래로 현재까지 사용되고 있는 규격이지만 1994년 이후로 미 국방부(DoD)는 MIL-HDBK-217를 업데이트 하지 않고 있습니다. One-shot Device는 야전 배치 이후에 장기 저장되므로 기존의 신뢰도 척도를 사용하는 것은 구성 요소들 사이의 기능적 의존성 추론 및 분석 등이 어렵습니다.

따라서 One-shot Device의 신뢰도 분석은 체계 수준과 구성요소를 고려하여 조건부 고장 발생 현상에 대한 분석과 정상 상태에 도달하기까지 신뢰도의 시간해석과 구성요소들 사이의 기능적 연관 관계와 이에 따른 고장 현상을 상태별로 나누어 분석해야 합니다.

최근 Reliability Community에서는 오늘날의 발전된 최신 기술에 적합한 신뢰도 분석을 위해 업데이트된 규격 VITA를 발간했습니다. VITA는 ANSI 표준 개발 절차를 준수하는 규격으로 ANSI의 인정을 받았습니다.

VITA는 One-shot Device 신뢰도 분석에 적합한 규격으로 기존 신뢰도 분석 표준이 제공하지 않는 일정 기간 동안 수집된 고장을 관찰한 후 더 높은 온도 및 전력 수준에서 작동하여 정상 사용보다 빠르게 고장을 유발하는 수명 시험 데이터를 적용하고 있어, One-shot Device의 신뢰도 분석에 적합한 신뢰도 분석 규격입니다.

◼ ANSI / VITA 51.0-2012 (R2018) 신뢰도 예측

이 문서는 전자 고장률 예측 표준을 제공하고 전자 고장률 예측을 수행하기 위해 업계의 "사례"를 포함하는 일련의 보조 사양으로 기존 예측기법의 한계를 해결합니다. ANSI / VITA 51.0 사양 개발은 MTBF (Mean Time Between Failure) 계산의 일관성과 반복성을 제공합니다.

◼ ANSI / VITA 51.1-2013 (R2018) 신뢰도 예측 : MIL-HDBK-217 자회사 표준

이 표준은 MIL-HDBK-217F Notice 2의 모델을 조정하기 위한 표준 기본값 및 방법을 제공합니다. 이것은 MIL-HDBK-217F Notice 2의 개정이 아니라 MIL-HDBK-217F Notice 2에 대한 입력의 표준화로 보다 일관된 결과를 제공합니다.

◼ ANSI / VITA 51.2-2016 Physics of Failure (PoF)

이 표준에는 주요 고장 메커니즘 모델, 필요한 입력 데이터 정의, 기술적으로 실현 가능 한 경우의 기본값 또는 일반적인 값 범위가 지침으로 포함됩니다. 모델링 결과를 해석하고 사용하는 방법을 정의합니다.

◼ ANSI / VITA 51.3-2010 (R2016) 신뢰도 예측 지원을 위한 자격 및 환경 스트레스 선별

이 표준은 비용 효율적인 자격 및 환경 스트레스 선별이 유효한 신뢰도 예측을 지원하고 전자 신뢰도를 향상시킬 수 있도록 규칙, 권한 및 관찰을 제공합니다. 여기에는 자격, 환경 스트레스 검사 및 신뢰도 간의 시스템 엔지니어링 관계에 대한 설명이 포함됩니다.

신뢰도 예측 규격인 VITA 51.1은 Relyence에서 지원하고 있습니다. 상세한 사항은 모아소프트 홈페이지를 참고해주십시오.

 

(주)모아소프트

소프트웨어 신뢰성시험,RAMS,LSA모델링,RF,EMC,종합군수지원 전문기업

www.moasoftware.co.kr

 

2020년의 화제는 온통 코로나19였습니다. 무려 7월이 되었음에도 불구하고, 여전히 코로나19의 확산세는 멈출 기세를 보이지 않고 있는데요. 그러다보니, 여러 행사도 줄줄이 취소되거나 연기되는 등 참 어두운 한 해가 되었던 것 같습니다.

모아소프트가 참석하는 학술대회도 역시, 온라인으로 변경되거나 줄줄이 취소되는 경우가 다분했는데요. 하지만! 이번 한국항공우주학회에서는 4월의 일정을 연기하고, 7월 8일부터 10일까지 3일간의 여정을 시작했답니다. 코로나19의 완벽한 대응책을 준비한 채 말이죠~!

 

2020년 한국항공우주학회 춘계학술대회는 강원도 고성의 대명리조트 델피노에서 진행되었습니다. 코로나19에 대한 안전을 위해 사회적 거리두기를 강화하는 모습이 인상적이었는데요, 입장하기 위해선 문진표를 작성하고 체온을 측정하여 팔찌를 받아야만 입장이 가능하다는 사실! 학술대회를 개최하기 위해서 단단한 준비를 한 듯 보였답니다.

 

모아소프트도 성공적인 행사를 위해서 준비를 단단히 했는데요, 이번에는 심지어 Ansys와 협력하여 더욱이 장대한 부스를 갖춘 채 저희를 소개하는데 온 힘을 쏟았습니다.

 

그만큼, 저희의 부스를 찾아오시는 분들도 많았는데요, 저희의 다양한 솔루션, 기술, 그리고 교육 과정들을 많은 분들에게 소개할 수 있었고, 많은 분들이 방명록을 남겨주시는 등의 관심을 가져주시기도 했습니다.

특히, 이번에는 모아소프트가 카카오톡채널을 오픈한 기념으로 스타벅스 아메리카노 이벤트도 진행했는데, 정말 많은 분들이 참여해주시기도 했답니다^^ 올 여름은 모아소프트가 시원하게 커피 한잔 쏜다!

한국항공우주학회 춘계학술대회 행사의 마지막은 단연 만찬 행사!

 

행사에서는 참여 기관을 소개하기도 하고, 두근두근 경품 추첨 시간까지! 저도 정말 기대가 많았지만 당첨되지는 않았네요 :<

이번 행사에서 저희 대표님은 감사장을 받기도 했는데요, 하지만 역시, 코로나19로 인해서 직접적인 수여가 아닌, 일어나서 인사 정도로 마무리가 되기도 했답니다.

코로나19로 인해 안전에 대한 조심성이 크게 느껴졌던 이번 2020년 한국항공우주학회 춘계학술대회! 만찬조차도 도시락으로 제공되기도 하고, 항상 마스크 착용에 식사 시간에는 한 방향 식사를 하는 등 진풍경이 펼쳐지기도 했답니다. 덕분에 무사히 행사를 마칠 수 있었던 것 같아 다행입니다^^

모아소프트를 많이 알릴 수 있었던 이번 행사. 코로나19가 있었음에도 불구하고 전국 각지에서 약 750여명, 그리고 기기전시 60여명이나 모였다고 합니다. 아름다운 강원도 고성에서 뜻깊은 2박 3일이 되었는데요, 다음 번에는 코로나19도 안정되고 더욱 성대한 행사에서 맞이했으면 좋겠습니다^^

관련 기사 - http://www.kukinews.com/newsView/kuk202007160363

 

육군종합정비창, 모아소프트와 기술교류 협약 체결

[창원=쿠키뉴스] 강종효 기자 = 육군종합정비창은 16일 모아소프트와 우리 군의 특성에 맞는 전투장비 RAM 분석기법을 장비정비 및 관리에 적용하기 위

www.kukinews.com

2020년 7월 16일은 모아소프트에서 있어 굉장히 뜻 깊은 날이었습니다. 바로 육군종합정비창과 상호 기술 교류 협력 업무협약을 체결한 것인데요, 기술 교류와 공동 연구 등을 통해서 전투 장비의 정비와 관리의 효율성을 높이기로 한 것입니다.

육군종합정비창은 육군군수사령부 예하 부대로써, 전차, 장갑차, 곡사포, 자주포와 통신 장비 등의 모든 지상 장비의 정비를 진행하고 있는 매우 중요한 기관으로, 그 동안에는 한국군의 전투 장비와 규격이 비슷한 미군의 신뢰도 분석 결과를 창 정비에 활용했는데요. 하지만 장비 운용 환경이 다르기 때문에 고장률과 정비 소요의 예측 등에서 차이가 발생해 많은 난제들이 있었습니다.

모아소프트는 신뢰도 분석 전문기관으로써, 우리 군 특성에 부합하는 전투 장비의 한국형 RAM분석 기반을 구축해 군수지원능력 보장과 국방 예산 절감에 역할을 할 것 입니다.

 

안녕하세요

모아소프트입니다:)

 

 

 

 

2020년 7월 17일 금요일 오후 2시

모아소프트 교육장에서 무료 세미나를 진행합니다:)

 

이번 주제는 디지털 트윈 실무 기술에 관한 것으로

ANSYS 제품을 이용한 디지털 트윈과

ANSYS Discovery의 활용에 대해서 다룰 건데요!

 

참석대상은

일반기계, 전기, 전자 분야 설계, 공정 관리자 또는 해석자로

누구나 무료로 세미나에 참석하실 수 있답니다.

 

 

 

 

ANSYS 제품은 엔지니어에게 있어서 참 친숙한 소프트웨어죠!

그 중에서 이번 세미나에서는

ANSYS Twin Builder 와 ANSYS Discovery를 다루게 될 겁니다.

각광받는 미래 신기술 디지털 트윈! 벌써부터 기대가 됩니다^^

 

 

 

 

(주)모아소프트에서 진행하는 디지털 트윈 실무 기술 무료 세미나!

관심있는 분들은 꼭 참여해주세요^^

 

 

주제 #4 : 소프트웨어 신뢰도 추정모델의 최적모델 선택 및 적합성 분석


소프트웨어 신뢰도를 산출하기 위하여 우리는 복수의 추정모델을 사용하여 실제 누적 결함수와 비교하여 단 하나의 최적모델을 선택하여야 현재와 미래 신뢰도를 추정할 수 있다. 이러한 과정에서 실제 데이터와 가장 유사한 형태의 모델을 선택하는 방법으로 SSE와 AIC 값을 비교하여 선택하는 방법을 사용할 수 있다.


LSM 파라미터 추정 방법을 사용할 경우 SSE 값이 낮은 순서에 따라 모델 순위가 결정된다. 각 추정 모델 적합성에 대한 검증은 Chi-square으로 계산한 결과를 사용한다. SSE와 Chi-square의 계산하는 과정을 설명하기 위해 Failure Count Data를 표1에 제시하였다.

 

[표1] Failure Count Data의 수집



표 1에서 제시한 FCD를 가지고 각 모델에 대한 SSE를 계산한 결과 최소 SSE 값을 가진 Weibull이 최적모델로 선택되었다. 이 모델의 Chi-square 값은 Chi-square 참조에 제시된 90% 이내일 경우 최적의 모델로 선택할 수 있다. 표 2에 제시된 Chi-square 값은 6개 모델 모두 90% 이내이므로, 우리는 Weibull 모델을 최적의 모델로 선택할 수 있다.

 

표2. 각 모델의 SSE and chi-square 값



Coverage data를 활용하여 MLE 모수 추정 방법을 사용하는 경우 포아송 분포를 통해 FCD를 확률로 변환하여 확률 함수를 계산한다. 이 경우 모델순위 및 적합성 검증을 위해 우리는 AIC(Akaike Information Criterion)를 사용하고 AIC 값이 가장 낮은 모델을 최적의 모델로 선택할 수 있다.

 

표3. Coverage data 수집(예)



표3의 커버리지 데이터를 사용하여 각 모델에 대한 AIC를 계산한 결과, 최소 AIC 값을 가진 Inflection-S모델이 최적모델로 선택되었다. 이 모델의 Chi-square 값은 Chi-square 참조에 제시된 90%이내일 때 최적모델로 선택할 수 있다. 표 4에 제시된 Chi-square 값은 6개 모델 모두 90% 이내이며 Inflection-S모델을 최적모델로 선택할 수 있다.

 

표4. 각 모델의 AIC and Chi-square 값



위에서 설명한 프로세스를 통해 얻을 수 있는 Output은 그림 1과 같이 총 예측 결함 수, 현재 결함 수, 잔여 결함 수, 목표 신뢰도에 도달하는 시간이다. 이러한 계산 결과 목표 신뢰도에 도달하지 않은 경우 계속 시험을 수행하고, 목표 신뢰도에 도달한 경우 소프트웨어 시험을 멈추고 소프트웨어를 릴리즈 할 수 있다.  

 

 

그림1. 추정모델의 Output

 

 

다음 주제는 무기체계 소프트웨어 군수지원 ‘소프트웨어 신뢰도 평가 실제 사례’에 관하여 기술하고자 한다.  
(모아소프트 소프트웨어 ILS 센터장 류인수)

 

업무총괄 류인수 센터장 02.6945.2111 isryu@moasoftware.co.kr

기술지원 이기영 수석 컨설턴트, 김용 팀장, 손현승 팀장

안녕하세요

모아소프트입니다:)

신뢰를 최우선 가치로 정직한 기술을 실현하는 (주)모아소프트입니다.

(주)모아소프트는 1998년 신뢰성 분석 기술을 시작으로 지난 23년간 국내 소프트웨어 신뢰성 분야의 발전을 선도하고 있습니다. 국내 소프트웨어의 신뢰성의 중요성이 높아지는 순간에 늘 (주)모아소프트가 함께하며 그 기준을 제시해왔습니다. 앞으로도 저희 모아소프트는 시대적 변화에 발맞춰 4차 혁명시대를 선도할 소프트웨어 솔루션의 변화와 혁신을 주도할 수 있도록 최선을 다하겠습니다.

연혁

사업영역

(주)모아소프트는 방위산업, 철도, 원자력, 항공우주, 통신, 가전, 선박, 자동차 등의 산업 전반에 걸쳐 종합소프트웨서 솔루션을 제공하고 있습니다. 특히, 종합군수지원, 전기전자, 기계 및 설비 제품의 신뢰성, 가용성, 정비성 및 안전성 분석과 임베디드 소프트웨어 테스팅 솔루션, 통신 시스템의 안테나 설계 및 분석, 전기전파 및 무선 네트워크 설계 등의 종합솔루션을 제공하고 있습니다.

 

신뢰성기술연구소

소프트웨어 신뢰성

소프트웨어 개발

디지털융합사업부

RF · EMC · CAE 솔루션

전자파 환경 분석 컨설팅

PCB 컨설팅

구조해석 컨설팅

통합환경구축 디지털 트윈

SW사업부

SW 검증 솔루션

SW 개발 솔루션

SW 관리 솔루션

컨설팅

국방 무기체계 소프트웨어 시험

안전인증

시스템사업부

RAM

TLCSM/LCSP/LSA

Risk Management

Spare Parts Management

컨설팅

SBAS사업부

전략개발실

교육센터

세미나 개최

 

모아소프트는 국방 소프트웨어 개발과 발전을 위해 매해 세미나를 개최하여 현재 국방기술의 수준과 개발 방향을 논의하는 세미나를 개최하고 있습니다. 또한, 군사과학기술학회, 항공우주학회 등 다양한 학술대회에 참가하여 논문 발표 및 자사 솔루션 전시를 통해 전문성을 보이고 있습니다.

교육센터 운영

(주)모아소프트는 사회와 기업이 원하는 우수한 인력을 양성하고, 기업이 최고의 품질과 경쟁력을 갖기 위한 전문 기술 인력의 육성을 위해 업무 특성에 맞는 심층적인 교육 프로그램을 운영하고 있습니다.

주요 파트너사

(주)모아소프트는 신뢰를 바탕으로 정직한 기술을 제공하는 국내 최고의 신뢰성 전문 기업으로 늘 고객사와 함께 성장하겠습니다.

안녕하세요

RF 솔루션 전문

모아소프트입니다:)

레이더반사면적 RCS 소프트웨어

© WikiImages, 출처 Pixabay

레이더

Radar

현대 사회에서 군사, 항공 등의 다양한 목적으로 활용되고 있는 레이더는 공간에 전자파를 방사시켜 그 전자파가 물체에 부딪혀 반사되어 돌아오는 반사파를 탐지하여 물체의 방향 및 거리 등을 파악하는 시스템입니다. 주로, 물체의 크기 및 구조, 재질 등은 반사파의 크기에 영향을 주게 됩니다.

© Defence-Imagery, 출처 Pixabay

레이더반사면적

Radar Cross Section

RCS

레이더반사면적이란 전자파가 물체에 닿은 직후 발생한 반사파를 측정하는 기준 중 하나입니다. 단위는 평방미터 (m2)를 사용하며, 평면 반사판에 전자파를 방사하였을 때 반사파의 크기를 기준으로 실제 측적 대상의 물체가 갖는 RCS값을 산출합니다.

레이더는 특히 군사적인 목적으로 많이 활용되고 있습니다. 레이더로 적을 탐지하고, 추적하는 등 시각적으로 보이지 않는 원거리의 대상물을 효과적으로 탐지할 수 있습니다. 한편, 현대에는 이러한 레이더에 탐지되지 않거나 또는, 굉장히 작은 물체로 일부로 탐지되게 하여 레이더를 무력화시키기 위한 다양한 시도가 이루어지기도 합니다. 이때, 기준이 되는 중요한 척도로 사용되는 것이 레이더반사면적(RCS)입니다. 레이더반사면적이 작을수록 레이더에 탐지되지 않을 확률이 높으며, 탐지되더라도 굉장히 작은 물체로 탐지됩니다.

페라이트 등을 도료로 만들어 적의 레이더파를 흡수하거나, 평면형상에 다면체 형식 등의 형상 조정을 통해 레이더에 탐지되지 않게 하는 스텔스 기술이 이에 해당됩니다.

© mattartz, 출처 Unsplash

레이더반사면적(RCS)를 측정하는 대상에는 항공기나 선박과 같이 거대 구조인 경우가 많기 때문에 실제 측정을 진행하는데 있어서 많은 어려움이 따릅니다. 일반적으로 레이더반사면적 해석 대상이 구조 자체의 물리적인 크기가 거대하거나 고주파 해석을 진행하기 때문에, 전기적으로 거대 구조체를 해석하게 되고, 그에 따라 발생하는 시간적, 자원적 소모가 크게 발생할 수 있습니다.

이러한 자원 소모를 줄이기 위해 광학기법을 통해 해석을 진행하는 소프트웨어의 역할이 더욱 커졌습니다. 최근에는 EM해석 소프트웨어의 발전으로 시뮬레이션을 통해 대상의 레이더반사면적을 충분히 예측할 수 있게 되었습니다.

© Skitterphoto, 출처 Pixabay

'XGtd'는 이러한 자원소모를 대안할 수 있는 소프트웨어입니다. 일반적으로 EM 해석 소프트웨어에서 사용되는 MoM, FEM, FDTD 같은 해석 기법이 아닌,

광학 기법 중 하나인 PO(Physical Optics), GO(Geometric Optics)를 비롯한 UTD(Uniform Theory of Diffraction), MEC(Method of Equivalent Currents) 해석 방식을 기반으로 하는 소프트웨어입니다.

XGtd

따라서, 전기적으로 거대한 물체일수록 시간, 자원의 소모에서 상대적인 강점을 가지고 있으며, Creeping wave를 분석하여 정확도를 높일 수 있습니다.

또한, 스텔스 기술에 보편적으로 사용하는 RAM 물질에 대한 데이터를 가지고 있어 현대 레이더반사면적(RCS) 해석을 하는 주요한 목적인 스텔스 활경 분석에도 효과적으로 사용할 수 있습니다.

Xgtd를 활용한 RCS 해석 및 결과 비교 예

XGtd 솔루션 담당

솔루션 담당 - 정한길 이사 02.6945.2110 hkjung@moasoftware.co.kr

해석기술지원 담당 - 지성환 책임 02.6945.2171 shji@moasoftware.co.kr

안녕하세요

신뢰성 시험 전문 기업

(주)모아소프트입니다:)

오늘은 많은 기업들의 관심사 중 하나인 MTBF, 그리고 산출 소프트웨어에 대해서 글을 올려보고자 합니다.

© alexkixa, 출처 Unsplash ​

 

MTBF란 Mean Time Between Failure.

즉, 평균고장간격을 의미합니다.

부품, 장치나 컴퓨터시스템의 고장에서 고장까지의 평균시간을 의미하기 때문에, 이것이 길어질수록 신뢰성이 높다고 판단할 수 있습니다.

© nicolasthomas, 출처 Unsplash

 

MTBF - 평균고장간격(Mean Time Between Failure)

= 가동시간 / 고장건수

MTTR - 평균수리시간(Mean Time To Repair)

= 전체 고장시간 / 고장건수

MTTF - 평균고장수명(Mean Time To Failure)

= 사용시작으로부터 고장 발생시간까지의 가동시간

MTBF = MTTR + MTTF

평균고장간격은 소비자 만족의 가장 큰 요인 중 하나입니다.

그렇기 때문에, 기업은 제품을 출시하기 전에 MTBF를 늘이고자 많은 노력을 하고 있습니다.

그 결과, 최근에는 많은 전자장비들의 신뢰도가 많이 향상되어 몇가지의 기기들은 30년 이상의 MTBF를 제공하기도 합니다.

MTBF 산출

MTBF 산출의 시작은

1. 타겟 시스템 환경 분석에서 시작됩니다.

그에 따라 2. 적합한 국제표준규격을 선택하고,

3. BOM을 규격에 잘 맞추어 구성하는 것입니다.

(BOM : Bill of material. 즉, 모든 품목에 대하여 상위 품목과 부품의 관계와 사용량, 단위 등을 표시한 것)

그 이후에 4. 신뢰도 예측 소프트웨어를 사용하여 MTBF를 산출 및 보고서를 작성하게 됩니다.

신뢰도 예측 소프트웨어는

대표적으로 전 세계 RAMS 분석 관련 소프트웨어

시장의 90% 이상을 점유하고 있는

Relex Software

가 활용되곤 합니다.

Relex(Windchill Quality Solution)

MTBF 산출뿐만 아니라,

가속수명시험 및 필드데이터 분석에 사용되는 ALT/Weibull, 이중화 및 다중화 시스템 모델링을 위한 RBD, 안전성 분석을 위해 필수적인 FMEA/FTA 분석 등

다양한 신뢰성 분석 기능을 제공하기 때문에,

신뢰성 향상, 비용, 운용 인원 감소 등에 효과적입니다.

Relex 솔루션 담당

솔루션담당 김용 팀장 02.6945.2151 ykim@moasoftware.co.kr

기술지원 담당 김용 팀장 02.6945.2151 ykim@moasoftware.co.kr

주제 # 4 : 추정모델의 Mean Value Function Prameter 추정 방법

소프트웨어 테스트 단계에서 얻을 수 있는 FCD(Failure Count Data)의 변화량으로 현재의 신뢰도와 목표 신뢰도에 도달하는 시간을 추정할 수 있다. 소프트웨어 요구사항분석 단계에서 코딩 단계에 걸쳐 예측모델을 활용하여 Defect Density와 Defect Count를 산출하였다. 이것은 시험 단계에서 초기에 나타날 것으로 예상되는 결함 수이다. 테스트 초기 단계에서는 예측 모델에 의해 Defect Density와 Defect Count를 선택하여 신뢰도를 추정할 수 있으며, 예측모델과 추정모델의 Defect Density와 Defect Count의 연관성은 그림1에서 볼 수 있다.

 

[그림1] 예측모델과 추정모델의 연관성

 

소프트웨어 신뢰도 추정모델은 소프트웨어에 내재된 총 결함수와 관련된 parameters를 가진다. 현재 발견된 결함의 수와 총결함의 수를 알면 소스코드에 얼마나 많은 Defects가 남아 있는지 알 수 있다. [그림 2]

 

그림2] Total Defects와 남은 결함수

The Mean Value Function은 누적 결함수로 계산되며, 남은 결함수와 연관이 있다. 각 모델의 Mean Value Function 그림 3과 같다.

 

[그림3] 추정모델의 Mean Value Function

추정모델의 Mean value function의 Parameters를 추정하는 방법에는 두 가지가 있다. 그중 하나는 LSM(Least Square Method)이고, 다른 하나는 MLE(Maximum Likelihood Estimation)이다.

LSM(Least Square Method)은 실제 값과 추정값의 차이를 x라고 하면, 이는 x의 제곱의 합을 최소로 하는 추정 방법이다. LSM 추정 방법은 수집된 데이터 량이 적은 경우와 데이터 분포가 선형적인 경향이 있을 때 주로 사용한다.

최대우도추정(Maximum Likelihood Estimation)은 모수(parameter)가 미지의 θ인 확률분포에서 뽑은 표본(관측치) x들을 바탕으로 θ를 추정하는 기법이다. MLE 추정 방법은 일반적으로 데이터가 대량일 때 주로 사용되며, 통계적 관점에서 다양하게 활용되는 추정방법이다.

다음 주제는 ‘소프트웨어 신뢰도 추정 모델의 최적 모델선택과 적합성 분석’에 관하여 기술하고자 한다.

======================================================================

본 게시글은 (주)모아소프트 소프트웨어 ILS 센터 류인수 센터장의 연재글로 해당주제에 대한 게시글이 정기적으로 업데이트 됩니다.

www.moasoftware.co.kr

업무총괄 류인수 센터장 02.6945.2111 isryu@moasoftware.co.kr

기술지원 이기영 수석 컨설턴트, 김용 팀장, 손현승 팀장

 

 

「Failure Reporting Analysis and Corrective Action System(FRACAS)」

고장 보고 분석 및 고장 수리 체계

 

미래에 발생할 수 있는 비용손실 예방과 지속적인 제품의 감시와 분석을 통한 신뢰도 향상을 위해 고장 보고, 분석 및 고장 수리 체계로 수집된 고장 및 정비 데이터를 시간, 비용 기술자 입장에서 분석하여 효과적인 정비 활동을 정의하고 설계반영까지 피드백에 의해 자동으로 조정되는 Close-Loop System.

● 주요 기능

  · 모든 고장과 문제점 기록 및 관리

  · 고장 분석(Root Cause 규명)

  · 근본적인 고장 또는 문제점 파악과 후속조치에 대한 기록 및 관리

  · 향후 참조를 위한 처리 내역 저장 및 보존

======================================================================

http://www.moasoftware.co.kr/

(주)모아소프트

소프트웨어 신뢰성시험,RAMS,LSA모델링,RF,EMC,종합군수지원 전문기업

 

솔루션담당 김용 팀장 02.6945.2151 ykim@moasoftware.co.kr

기술지원 담당 김용 팀장 02.6945.2151 ykim@moasoftware.co.kr

+ Recent posts