Transcript Ⅴ. 데이터 수집 및 정리

졸업 논문 중간발표
Enterprise Information Design, 2010 Spring
- 회귀분석을 이용한 엔진 진동
통계량과 날씨 요인간의 관계분석
Jae-Yoon Jung
Dept. of Industrial & Management
Systems Engineering
Kyung Hee University
2003200603 심재웅
2004200545 김선환
2005200576 박용현
목차
I.
연구주제
II.
가설설정
III.
연구목적
IV.
연구방법 및 진행방향
V.
데이터 수집 및 정리
VI.
데이터 분석
VII. 참고문헌
A-2
Ⅰ. 연구주제
3
Ⅱ. 가설설정
기온이 높아질수록 엔진 진동량
도 크지 않을까?
엔진 진동량은 날씨요인에 영향을 받을 것이다
4
Ⅲ. 연구목적
결과의 적용
연구결과
기대효과
차후 객관성을
날씨 요인으로
엔진진동과 날씨
가진 테스트 공간
발생 될 수 있는
요인 간 상관관계
확보를 통하여
엔진 진동 검사의
가 있음을 밝혀냄
검사 신뢰성 확보
불량률 감소
공장 내 테스터의 위치에 피크값의 차이가 발생한다. 객관적 테스트 공간 배치를 통해 나타날 수 있는
검사 불량률의 가능성 감소 시킨다.
Ex) 장비 위치 재설정, 온도 및 습도 조절장치 설치
5
Ⅳ. 연구방법 및 진행방향
<전주 현대 자동차 공장 엔진 RMS 데이터 값>
RMS 값
날짜
날짜순번
5.751
2010-04-07 9:23
1
5.629
2010-04-07 9:27
1
5.514
2010-04-07 9:35
1
5.017
2010-04-07 9:39
1
5.243
2010-04-07 9:46
1
5.107
2010-04-07 11:11
1
6.211
2010-04-07 11:15
1
5.333
2010-04-07 11:19
1
5.346
2010-04-07 11:24
1
4.954
2010-04-07 11:40
1
5.218
2010-04-07 13:43
1
5.471
2010-04-07 13:47
1
6.232
2011-08-12 14:29
493
6.641
2011-08-12 15:42
493
6.037
2011-08-12 15:48
493
6.687
2011-08-12 15:53
493
5.74
2011-08-12 15:57
493
5.268
2011-08-12 16:01
493
* 기후의 차이 = 엔진 효율성과 소음의 차이
* 엔진의 피크 값
– 엔진에 센서 부착, 진동 량 측정, 진동 은
(+), (-) 의 파형으로 움직여 평균값이 항상 0에
근사 -> 평균값 사용 불가.
– 따라서 측정 주기별 최대 충격량을 나타내는
수치인 피크의 절대값을 사용하기 위해서
RMS값을 사용
(RMS 값-=소음의 크기와 직결)
6
Ⅳ. 연구방법 및 진행방향
< 기상청 날씨 데이터 >
< 통계 분석 프로그램 SPSS >
∙ 기상청 날씨 데이터(전주지역)와 RMS값을 SPSS를 이용하여 회귀분석 실행
∙ 이를 통해, 각 날씨 요인과 RMS값의 상관관계를 알아낼 수 있다.
7
Ⅴ. 데이터 수집 및 정리
< RMS 데이터 값의 평균 을 구함 >
순번
날짜
RMS
최저기온
최고기온
평균기온
습도
강수량
신적설
1
2010-04-07
5.49
-0.7
14.1
6.5
48.8
2
2010-04-08
5.34
0.2
18.1
9.1
52.6
3
2010-04-09
5.83
4.6
20.6
12.3
44.9
4
2010-04-10
5.62
8.2
16.2
12.4
72.4
5
2010-04-11
5.84
9
20.7
14.5
63.9
6
2010-04-12
5.85
10.4
20.8
14.5
62.3
1.5
7
2010-04-13
5.50
2.5
10.7
5.8
54.4
7
8
2010-04-14
5.67
0.2
7.8
3.1
54.5
2.5
9
2010-04-15
5.45
-1.1
13
6.2
54.6
10
2010-04-16
5.40
1.1
14.5
7.4
47.6
11
2010-04-17
5.33
-0.2
16.2
8.2
48.9
12
2010-04-18
5.21
4.9
17.6
12.1
42.5
0
13
2010-04-19
3.92
13.7
18.7
15.7
59.9
0.5
14
2010-04-20
5.46
10.3
25.1
17
66.6
15
2010-04-21
5.34
9.7
19.7
14.3
74.9
5.5
16
2010-04-22
5.40
9.3
14.4
11.5
74.4
7.5
17
2010-04-23
5.27
7.1
15.8
10.9
69.4
18
2010-04-24
5.16
5.9
18
11.2
53.5
19
2010-04-25 데이터X
3.7
22.6
13
40.4
20
2010-04-26
5.24
10.4
17.4
13.3
61.1
31.5
21
2010-04-27
5.08
4.5
13.2
9.2
64.3
1
22
2010-04-28
4.67
3.2
11.3
6.7
65.5
9
∙ 날짜별 RMS 측정 횟수의 차이
0.5
=> RMS 값의 평균을 구함
∙ 중간에 빠진 데이터를 제거
=> 493일 – 58일 = 435일
8
Ⅴ. 데이터 수집 및 정리
< 기상청을 날씨 데이터를 수집하여 정리 >
날씨 데이터 수집
∙ 최저기온
∙ 최고기온
∙ 평균기온
∙ 습도
∙ 강수량
∙ 신적설
9
Ⅴ. 데이터 수집 및 정리
< 날씨 요인들을 엑셀을 이용하여 정리 >
10
Ⅴ. 데이터 수집 및 정리
< 요소들을 통합하여 정리 >
순번
날짜
RMS
최저기온
최고기온
1
2010-04-07
5.49
-0.7
14.1
2
2010-04-08
5.34
0.2
3
2010-04-09
5.83
4.6
4
2010-04-10
5.62
5
2010-04-11
282
평균기온
습도
강수량
신적설
6.5
48.8
18.1
9.1
52.6
20.6
12.3
44.9
8.2
16.2
12.4
72.4
5.84
9
20.7
14.5
63.9
2011-02-12
4.94
-7.5
-0.2
-4.1
53.9
283
2011-02-14
4.81
-6.5
1.3
-2.4
61.8
284
2011-02-15
4.76
-7.8
5.3
-1.8
64.6
285
2011-02-16
4.73
-6.2
7.2
0.2
70
1.3
1.1
286
2011-02-17
5.10
-1.7
1.7
0.1
90.6
3.1
4.2
432
2011-08-09
6.47
22.5
26
24
93.1
195
433
2011-08-10
6.57
24.5
28.8
25.9
93.8
19
434
2011-08-11
6.68
24.7
31.7
26.5
89.3
15
435
2011-08-12
6.49
24.7
31.1
26.6
86.3
10
0.5
0
총 날짜수
기간
435
2010.4.7 ~ 2011.8.12
11
Ⅵ. 데이터 분석
< SPSS에 통합된 데이터 대입 >
종속변수
독립변수
12
Ⅵ. 데이터 분석
< SPSS의 선형 회귀분석 실행 >
독립변수와 종속변수를 선택
∙ 종속변수 : RMS 값
∙ 독립변수 : 최저기온, 최고기온, 평균기온,
습도, 강수량, 신적설(적설량)
독립변수 6가지와 종속변수 간의 단순회귀
분석을 수행한다.
13
Ⅵ. 데이터 분석
< 단순 회귀분석 실행 결과 >
기술통계량
평균
RMS
표준편차
N
5.986539248
.8496409950
435
10.318
11.0243
435
최저기온
모형 요약
모형
추정값의 표준오
R 제곱
R
1
.858a
차
수정된 R 제곱
.736
.736
.4368425363
a. 예측값: (상수), 최저기온
계수a
모형
비표준화 계수
표준오차
B
1
(상수)
최저기온
표준화 계수
5.304
.029
.066
.002
베타
유의확률
t
.858
184.800
.000
34.767
.000
a. 종속변수: RMS
∙ 결과값을 통해 독립변수와 종속변수 간의 상관 정도를
파악할 수 있다.
14
Ⅵ. 데이터 분석
< 분석 결과값 해석 >
①최저기온
<표1-1> 최저기온이 RMS값에 미치는 영향
모형 요약
모형
추정값의 표준오
R
1
R 제곱
.858a
차
수정된 R 제곱
.736
.736
.4368425363
a. 예측값: (상수), 최저기온
1
제곱합
회귀 모형
R제곱
B
T
최저기온
.736
.066
34.767***
유의수준 .000
분산분석b
모형
독립변수
자유도
평균 제곱
230.670
1
230.670
잔차
82.630
433
.191
합계
313.300
434
유의확률
F
1208.764
.000a
F = 1208.764***
*** p < .05
결정계수(R제곱)값은 1에 가까울수록 모
형의 적합도를 잘 설명한다고 할 수 있다.
∙ 73.6%로 모형을 설명
a. 예측값: (상수), 최저기온
b. 종속변수: RMS
계수a
모형
비표준화 계수
표준오차
B
1
(상수)
최저기온
a. 종속변수: RMS
표준화 계수
5.304
.029
.066
.002
베타
t
.858
유의확률
184.800
.000
34.767
.000
B값은 y = ax + b 의 계수를 설명
∙ 즉, a = .066 이고 b = 5.304를 나타냄
유의수준
∙ T값(34.767)의 유의확률이 .000으로
유의수준 .05에서 유의하다. (.000 < .05)
15
Ⅵ. 데이터 분석
②최고기온
③평균기온
기술통계량
기술통계량
평균
RMS
표준편차
평균
N
5.986539248
.8496409950
435
RMS
20.677
10.3153
435
평균기온
최고기온
표준편차
5.986539248
.8496409950
435
15.112
10.3603
435
모형 요약
모형 요약
모형
모형
추정값의 표준오
R
R 제곱
.858a
1
차
수정된 R 제곱
.736
.736
R
1
비표준화 계수
(상수)
최고기온
4.525
.071
R 제곱
.873a
차
수정된 R 제곱
.762
.761
.4152648483
a. 예측값: (상수), 평균기온
계수a
계수a
B
추정값의 표준오
1
.4366727741
a. 예측값: (상수), 최고기온
모형
N
표준화 계수
표준오차
베타
t
.047
.002
유의
a. 종속변수: RMS
비표준화 계수
B
확률
96.389 .000
.858
모형
34.786 .000
1
(상수)
평균기온
표준오차
4.905
.035
.072
.002
표준화 계수
베타
유의
확률
t
.873
139.189
.000
37.200
.000
a. 종속변수: RMS
∙ 최고기온이 RMS값에 미치는 영향을
73.6% 만큼 설명해주고 있다.
∙ 평균기온이 RMS값에 미치는 영향을
76.2% 만큼 설명해주고 있다.
∙ 유의수준 .05에서 유의하다
∙ 유의수준 .05에서 유의하다
16
Ⅵ. 데이터 분석
④ 습도
⑤ 강수량
기술통계량
기술통계량
평균
RMS
표준편차
5.986539248
습도
N
.8496409950
65.696
평균
13.3841
435
RMS
435
강수량
모형
.286a
1
.8707062988
192
11.242
24.6615
192
모형
추정값의 표준오
R 제곱
.082
.080
1
.8150305909
추정값의 표준오
R
.191a
차
수정된 R 제곱
R 제곱
.036
계수a
비표준화 계수
B
1
(상수)
습도
.196
.018
.003
.031
.8569742664
계수a
표준화 계수
표준오차
4.793
차
수정된 R 제곱
a. 예측값: (상수), 강수량
a. 예측값: (상수), 습도
모형
N
6.176124463
모형 요약
모형 요약
R
표준편차
베타
유의
t
.286
a. 종속변수: RMS
모형
비표준화 계수
확률
24.457
.000
6.216
.000
B
1
표준화 계수
표준오차
(상수)
6.100
.068
강수량
.007
.003
베타
.191
유의
t
확률
89.712
.000
2.678
.008
a. 종속변수: RMS
∙ 습도가 RMS값에 미치는 영향을
8.2% 만큼 설명해주고 있다.
∙ 강수량이 RMS값에 미치는 영향을
3.6% 만큼 설명해주고 있다.
∙ 유의수준 .05에서 유의하다
∙ 유의수준 .05에서 유의하다
17
Ⅵ. 데이터 분석
⑥ 신적설
<결과 요약>
기술통계량
평균
RMS
표준편차
N
4.770935143
.1603177529
14
2.564
3.8870
14
신적설
모형 요약
모형
추정값의 표준오
R
1
R 제곱
.449a
차
수정된 R 제곱
.202
.135
.1490818665
a. 예측값: (상수), 신적설
계수a
모형
비표준화 계수
B
1
표준화 계수
표준오차
(상수)
4.723
.048
신적설
.019
.011
베타
.449
유의
t
확률
97.821
.000
1.742
.107
독립변수
R제곱
유의수준
최저기온
73.6%
유의
최고기온
73.6%
유의
평균기온
76.2%
유의
습도
8.2%
유의
강수량
3.6%
유의
신적설
20.2%
유의
a. 종속변수: RMS
∙ 6가지 독립변수 모두 유의수준 .05 에서 유의
∙ 적설량이 RMS값에 미치는 영향을
20.2% 만큼 설명해주고 있다.
∙ 유의수준 .05에서 유의하다
∙ 최저기온, 최고기온, 평균기온 만이 RMS값에
영향을 미친다고 결론지을 수 있다.
∙ 즉, 날씨 요인 중 기온 만이 RMS값에 영향을 줌
18
Ⅶ. 참고문헌
- 회귀분석의 정의
- SPSS를 이용한 회귀분석 방법
Robert A. Yaffee, Ph.D. Statistics, Mapping and Social Science Group Academic Computing Services
Information Technology Services New York University.
19
Ⅶ. 참고문헌
- 기어박스에 대한 진동분석 방법의 검토 및 전조
Lebold, M.; McClintic, K.; Campbell, R.; Byington, C.; Maynard, K., Review of Vibration Analysis
Methods for Gearbox Diagnostics and Prognostics, Proceedings of the 54th Meeting of the Society for
Machinery Failure Prevention Technology, Virginia Beach, VA, May 1-4, 2000, p. 623-634.
20