RAMS 기반 철도차량 초기 유지보수 비용 최적화
RAMS-based Initial Maintenance Cost Optimization for Rolling Stock
- 주제(키워드) RAMS , 철도차량 , 유지보수
- 주제(DDC) 625.1
- 발행기관 아주대학교 교통·모빌리티대학원
- 지도교수 유정훈
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 교통·모빌리티대학원 철도시스템학과
- 실제URI http://www.dcollection.net/handler/ajou/000000035832
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
Abstract RAMS-based Initial Maintenance Cost Optimization for Rolling Stock New railway lines face a fundamental constraint in that initial maintenance strategies must be established without any actual operational failure data. This study develops a generalized LCC (Life Cycle Cost) prediction model that estimates direct maintenance costs using only the manufacturer's RAMS (Reliability, Availability, Maintainability, Safety) prediction data, and empirically validates its accuracy. The model calculates preventive maintenance costs and corrective maintenance costs , each further divided into labor and material costs. Labor costs are based on the 2024 wage rate (75,000 KRW per hour) published by the Korea Engineering Association, while material costs are determined using standardized rules based on failure types. Validation using one year of actual operational data from Domestic Operator A showed that the model achieved an overall direct cost prediction accuracy of 93.2% and a material cost accuracy of 99.1%, demonstrating its effectiveness. Applying the validated model to a new urban railway Line B projected a total six-year LCC of approximately 0.67 billion KRW, with corrective maintenance accounting for 58%. Sensitivity analysis confirmed that the “40% of LRU price” assumption is the most critical factor, causing total LCC to fluctuate by ±14.5%. PM interval optimization simulations (8-year basis) revealed that extending the overhaul interval from 3/6 years to 4/8 years increased total LCC by 0.54% due to Weibull wear-out effects , quantitatively demonstrating that simple interval extension is not economically justified. This study provides new line operators with a validated decision-making tool for scientifically estimating initial maintenance budgets, and offers academic contributions by standardizing a RAMS-based LCC framework and empirically demonstrating the importance of the Weibull distribution.
more목차
제1장 서론 1
제1절 연구의 배경 1
제2절 문제 제기 2
제3절 연구 목표 4
제4절 연구 범위 및 방법론 5
제5절 연구의 기대 기여 9
제2장 이론적 배경 및 선행 연구 고찰 10
제1절 철도 차량 비용 구조 및 분석 체계 10
제2절 RAMS 파라미터와 비용 구조의 상관관계 13
제3절 신뢰도 모델링: 지수분포 대 Weibull 분포 15
제4절 유지보수 전략 최적화와 비용 상충 관계 17
제5절 예측 모형의 검증 방법론 18
제6절 철도 유지보수 비용 동인(Cost Driver) 분석 20
제3장 모형의 개요 및 분석 범위 22
제1절 분석 범위의 설정 및 용어의 정의 22
제2절 모형의 정의: RAMS 기반 초기 비용 예측 23
제3절 예방정비비용(LCC_PM) 산출 모형 24
제4절 사후정비비용(LCC_CM) 산출 모형 25
제5절 모형의 핵심 파라미터 정의 및 표준화 28
제6절 모형 검증 방법론 31
제4장 모형의 실증적 검증: 국내 운영사 사례 분석 33
제1절 검증 방법론 및 데이터 개요 33
제2절 국내 A 운영사 고장 유형별 표준 정비 비용 산정 기준 37
제3절 LCC 모형 예측치(Scenario A)와 실측치(Scenario B) 비교 검증 40
제4절 검증 결과 분석 42
제5절 검증 결과의 학문적 함의 및 시사점 45
제6절 검증 요약 및 5장으로의 연계 47
제5장 검증된 모형의 적용: 아시아 신규 노선 사례 49
제1절 사례 연구 개요 및 데이터의 표준화 49
제2절 시나리오 1: 제작사 권장안(Baseline) 기준 LCC 예측 52
제3절 시나리오 2: LCC 모형 기반 최적 유지보수 전략 59
제4절 분석 결과 및 전략적 시사점 62
제5절 민감도 분석: 핵심 가정의 견고성 검증 65
제6장 결론 68
제1절 연구 요약 및 주요 발견 68
제2절 학문적 기여 71
제3절 실무적 기여 및 정책 제언 73
제4절 연구의 한계 76
제5절 향후 연구 방향 78
제6절 최종 결론 81
참고문헌 83
부록 87
Abstract 89
