전기자동차 커넥터 압착부 열충격 수명 예측을 위한 수정형 Coffin–Manson 모델 및 Python 기반 구현
A Modified Coffin-Manson Model for Thermal Shock Life Prediction of EV Connector Crimp Joints with Python Implementation
- 주제(키워드) 수명 예측 , Coffin-Manson
- 주제(DDC) 621.8
- 발행기관 아주대학교 공학대학원
- 지도교수 전용호
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 공학대학원 기계시스템공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000035894
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
전기자동차(EV) 전장 부품 중 하나인 커넥터는 전류를 전달하는 부품이므로, 접촉 불량이나 미세한 저항 증가는 전체 시스템 고장으로 연결될 수 있다. 이러한 고장을 방지하기 위하여, 산업 현장에서는 표준 규격으로 내구성 평가를 진행한다. 그러나 표준 규격에 따른 시험 조건은 단기간 내에 내구성을 평가하기 위한 조건임에 따라 고장이 발생할 때까지 시험 수행을 하지 않는다. 위와 같은 배경 속에서 산업 현장에서는 제품의 수명 분포 검증을 요구하는 경우가 있다. 또한, 사전 시험 없이 실제 고장 시점 예측을 요구하는 경우도 존재한다. 하지만 이러한 요구를 대응하기 위해서는 기존 시험 방식으로 해결하는데 어려움이 있다. 제품의 수명 분포 분석과 고장 예측을 하기 위해서는 장시간 동안 실제 고장 데이터를 확보해야 하며, 확보된 데이터를 활용한 고장 분포 검증 절차를 수행해야 한다. 다만, 이러한 분석은 일반적으로 Minitab과 같은 전문 소프트웨어를 필요로 하며, 소프트웨어가 구축되어 있지 않은 산업 현장에서는 접근성이 낮다는 한계가 있다. 본 연구에서는 이러한 한계를 보완하고자 전기자동차(EV) 커넥터 압착부에 대해 열충격 시험을 수행하여 고장 데이터를 확보하고, 산업 현장에서 활용 범위가 넓은 Excel을 기반으로 수명 분포 검증 절차를 제시하였다. 또한, 사전 시험 없이 고장 시점 예측이 가능한 모델을 제시하였다. 제시한 모델은 Coffin-Manson 이론적 모델에 적용하여 확장 및 보정함으로써, 실제 시험 결과를 반영한 예측 모델을 제시하였다. 더 나아가 신뢰성 공학 분야에서도 Python의 활용이 확대되고 있기 때문에 보정된 수명 예측 모델은 Python을 활용하여 구현하였다. 이러한 과정은 복잡한 계산을 자동화 할 수 있고, 결과를 직관적으로 표현할 수 있다. Python 구현은 웹 환경에서 바로 수행 할 수 있는 구글 코랩(Google Colab)을 활용하였다. 본 연구를 통해 기존 시험 방식의 한계를 보완하고, 산업 현장에서 요구하는 실무 중심의 고장 예측 및 신뢰성 분석에 활용될 수 있을 것으로 기대된다.
more목차
제 1 장 서론 1
1.1 연구 배경 1
1.2 자동차 전기 시스템에서 커넥터의 역할과 사용 배경 2
1.3 전기자동차(EV) 커넥터 및 전장용 단자 관련 신뢰성 연구 동향 3
1.4 국내 열충격 및 열피로 기반 수명 예측 연구 현황 4
1.5 본 연구의 필요성 5
1.6 기대 효과 6
제 2 장 본론 7
2.1 지수 분포 7
2.1.1 지수 분포의 핵심 요소 7
2.1.2 지수 분포의 누적분포함수 F(t) 9
2.1.3 지수 분포의 신뢰도함수 R(t) 9
2.1.4 지수 분포의 평균고장시간(Mean Time To Failure, MTTF) 10
2.1.5 지수 분포의 B10 수명 10
2.1.6 지수 분포를 이용한 적용 예시 및 계산 과정 11
2.2 와이블 분포 12
2.2.1 와이블 분포의 핵심 요소 12
2.2.2 와이블 분포의 확률밀도함수 f(t) 14
2.2.3 와이블 분포의 누적분포함수 F(t)와 신뢰도함수 R(t) 15
2.2.4 와이블 분포의 B10 수명 16
2.2.5 와이블 분포를 이용한 적용 예시 및 계산 과정 16
2.3 모수적 추정과 비모수적 추정 18
2.3.1 비모수적 방법을 이용한 F(t) 계산 18
2.4 지수 분포의 직선화 과정 20
2.4.1 지수 분포 직선화 과정의 필요성 20
2.5 와이블 분포의 직선화 과정 21
2.5.1 와이블 분포 직선화 과정의 필요성 22
2.6 Coffin-Manson 모델의 개념 23
2.6.1 열충격 시험을 위한 단순화한 Coffin-Manson 모델 23
2.6.2 현실 보정을 위한 수정형 Coffin-Manson 모델 25
2.7 사전 모델 개발 26
2.7.1 사전 모델 설정 27
2.7.2 사전 모델의 수립 절차 28
2.7.3 사전 모델 예측 결과 29
2.7.4 사전 모델의 해석 및 논리적 의의 29
제 3 장 연구 방법 및 시험 조건 30
3.1 시험 목적 30
3.2 열충격 시험 조건 30
3.3 시편(Sample) 조건 31
3.3.1 2.0 mm 시편(Sample) 32
3.3.2 2.1 mm 시편(Sample) 34
3.3.3 2.2 mm 시편(Sample) 36
3.4 시편(Sample) 측정 방법 및 고장 판단 기준 38
제 4 장 시험 결과 43
4.1 압착 높이별 열충격 시험 결과 43
4.1.1 2.0 mm 압착 높이 시편(Sample) 43
4.1.2 2.1 mm 압착 높이 시편(Sample) 45
4.1.3 2.2 mm 압착 높이 시편(Sample) 47
4.2 종합 분석 49
4.3 수명 분포 검증 50
4.3.1 지수 분포 직선화 검증 절차 52
4.3.2 와이블 분포 직선화 검증 절차 59
4.3.3 수명 분포 비교 및 적합성 판단 65
제 5 장 실제 시험 결과 및 모델 보정 67
5.1 열충격 시험 개요 67
5.2 사전 모델과 실제 결과의 비교 67
5.3 모델 보정 절차 68
5.4 회귀 근거 69
5.5 보정 모델의 공학적 근거 71
5.6 오차 범위 분석 및 적용 한계 72
제 6 장 Python 기반 수명 예측 모델 구현 73
6.1 구현 동기 및 배경 73
6.2 Python 구현 환경 74
6.3 보정 모델 정의 75
6.4 Python 전체 코드 구성 및 해설 76
제 7 장 결론 80
7.1 연구 목적 및 접근 방향 80
7.2 고장 데이터 분석 결과 80
7.3 Coffin-Manson 기반 수명 예측 모델의 수정 81
7.4 모델 검증 및 Python 구현 결과 81
7.5 향후 연구 과제 82
참고문헌 84
Abstract 87
Appendix 89
