Abstract
It is necessary to develop a system of judging whether or not the parts are defective easily at low cost, especially in a small scale factory which manufactures a large variety of products in small amounts. To develop such system, we require to recognize objects using human's cognitive ability under various circumstances. Human's high intelligence originates mostly from neocortex of human brain. The HTM theory, which is proposed by Jeff Hopkins, is one of the recent researches to model the operation principle of neocortex. In this paper we developed PRESM (Parts image REcognition System for small scale Manufacturing industry) system based on the HTM theory to judge badness of manufactured products. As a result of application to the real field of workplace environments we identified the superiority of our recognition system.
소량으로 다품종을 생산하는 소규모 공장에서 적은 비용으로 쉽게 부품의 양 불량을 판별하는 시스템의 개발이 절실히 요구된다. 이러한 시스템의 개발을 위하여 다양한 환경에서도 물체를 인식할 수 있는 사람의 인식 능력과 같은 기능이 필요하다. 인간의 고등 지능은 대부분 두뇌의 신피질(neocortex)에서 비롯된다. 최근 이 신피질의 동작 원리를 컴퓨터에 접목시키는 연구 중의 하나가 Jeff Hopkins가 제안한 HTM 이론이다. 본 논문은 이 HTM 이론을 적용하여 소량 다품종 부품 생산 현장에서 부품의 이미지를 인식하여 양 불량을 판별하는 시스템인 PRESM(Parts image REcognition System for small scale Manufacturing industry)을 개발하였다. 개발 결과를 현장에 적용해 본 결과 실제 환경에서 부품의 양 불량 판별이 우수한 것으로 확인되었다.
