과제정보
본 연구는 과학기술정보통신부 및 정보통신기획평가원의 지역지능화혁신인재양성(Grand ICT연구센터) 사업의 연구결과로 수행되었음. (IITP-2021-2016-0-00318)
제조 현장에서 설비의 이상이나 고장은 곧 제품의 결함을 발생시키는 요인이 된다. 최근 스마트팩토리 서비스의 확산에 따라 고장을 예측 및 방지를 위한 인공지능 기반의 애플리케이션에 대한 연구가 활발히 이어지고 있으나, 일반적으로 설비의 이상이나 고장 데이터는 정상에 비해 그 개수가 현저히 적어 분류 모델 개발에 큰 어려움이 있다. 본 논문에서는 오토인코더 모델의 입력과 출력 간 차이를 이용한 제조 현장의 MCT 이상탐지 알고리즘을 제안하고 성능을 분석하였다. 해당 알고리즘은 비정상 데이터가 존재하지 않는 MCT 제조 데이터에서 정상 데이터에 대한 특징만을 이용하여 비정상을 탐지한다.
In a manufacturing fields, an abnormality or breakdown of equipment is a factor that causes product defects. Recently, with the spread of smart factory services, a lot of research to predict and prevent machine's failures is actively ongoing. However, there is a big difficulty in developing a classification model because the number of abnormal or failure data of the machine is severely smaller than normal data. In this paper, we present an algorithm for detecting abnormalities in an MCT at manufacturing work site depending on the differences between inputs and outputs of Autoencoder model and analyze its performance. The algorithm detects abnormalities using only features of normal data from manufacturing data of the MCT in which abnormal data does not exist.
본 연구는 과학기술정보통신부 및 정보통신기획평가원의 지역지능화혁신인재양성(Grand ICT연구센터) 사업의 연구결과로 수행되었음. (IITP-2021-2016-0-00318)