• 정보보호학회지
• /
• 제29권2호
• /
• pp.36-47
• /
• 2019

4차 산업혁명이 본격화됨에 따라 스마트 제조 환경으로 변화하면서 제조 공장은 설비제어가 자동화되고 산업용 이더넷과 TCP/IP 기반으로 네트워크 연결되어 통합 운영되고 있으며 본사 비즈니스망의 MES, ERP, PLM 등과 연계되면서 랜섬웨어 등 악성코드 유입 및 외부 사이버 공격으로부터의 보안 위협이 높아지고 있다. 본 논문에서스마트 제조 공장에 대한 사이버 침입을 탐지하고 대응하기 위해 스마트 제조 환경에서의 이상징후 탐지 기술 현황을 분석한다. 먼저 ICS(Industrial Control System)에 대한 이상징후 탐지를 위해 ICS 위협 경로를 분석하고 스마트 제조 네트워크에서 사용되는 산업용 이더넷 프로토콜을 살펴본다. 다음으로 국내 제어망 이상징후 탐지 체계 구축 동향을 분석하고 제어망 이상징후 탐지 기술을 분류한다. 마지막으로 (주)앤앤에스피에서 과학기술정보통신부 과제로 수행하고 있는 "선제적인 제조공정 이상징후 인지" 연구과제의 수행 현황을 살펴본다.

• 한국정보통신학회논문지
• /
• 제26권2호
• /
• pp.199-206
• /
• 2022

제품을 생산하는 설비의 고장이나 이상 현상은 곧 제품의 결함 및 생산라인 가동 중단으로 이어져 제조 업체의 막대한 경제적 손실의 원인이 된다. 스마트팩토리 서비스의 확산으로 공장에서 많은 양의 데이터가 수집됨에 따라, 이를 활용하여 제조 현장의 효율이나 제조 설비의 고장 예측 및 진단을 위한 인공지능 기반의 연구가 활발히 이어지고 있다. 하지만 정상과 이상을 구분 짓는 레이블 정보가 명확하지 않고 이상에 대한 극심한 클래스 불균형을 가지는 제조 데이터의 특징으로 인하여 분류 모델이나 이상탐지 모델의 개발에는 큰 어려움이 존재한다. 본 논문에서는 딥러닝 모델의 재구성 손실값을 이용하여 제조 설비의 이상탐지를 위한 딥러닝 알고리즘을 제안하고 성능을 분석하였다. 해당 알고리즘은 이상 데이터를 제외한 설비의 제조 데이터, 즉 정상 데이터에만 의존하여 이상을 감지한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.609-611
• /
• 2023

4차 산업혁명의 발달로 스마트공장 기술이 발달하면서, 딥 러닝을 활용한 공정 과정에서 나타나는 이상을 탐지하는 기술이 활발히 연구되고 있다. 하지만 공정 과정에서 발생하는 휘발성유기화합물(VOCs) 저감 설비에서 발생하는 이상을 탐지하기 위한 연구는 적극적으로 진행되고 있지 않다. 따라서 본 논문에서는 딥 러닝 기술을 이용하여 VOCs 저감설비에서 발생하는 이상을 탐지하고, 설명가능 인공지능(XAI)을 활용하여 이상에 큰 영향을 미치는 주요 설비를 특정하여 이상 발생 시 관리자가 용이하게 설비들을 관리할 수 있도록 하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.137-140
• /
• 2019

본 논문에서는 자동 제어 시스템의 이상행위를 분석하기 위하여 MODBUS 프로토콜 기반의 제어 명령을 수집 분류하여 등록된 화이트리스트 기반으로 이를 탐지하는 시스템을 구현하였다. 구현 시스템은 자동 제어 시스템 기반으로 다양한 생산설비를 동작시키는 스마트팩토리 시스템을 비롯하여 국가기간 산업에 활용 가능하며, 생산설비의 이상 작동을 확인하기 위하여 생산설비의 동작 신호를 주기적으로 수집 분석하여 정상적인 작업형태에서 벗어나는 이상 작업을 판단할 수 있도록 구성하였다. 또한, 소형화된 공장 자동화 설비를 구성하여 실제 스마트팩토리 환경에서 제어명령을 수집하고, 수집된 신호로부터 이상 작동을 검출하는 제안 시스템의 구현 결과를 설명한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.78-81
• /
• 2021

스마트공장 구축사업을 통해 제조업의 생산설비에 센서가 설치되고 각종 공정데이터를 실시간으로 수집할 수 있게 되었다. 이를 통해 제조공정의 설비이상으로 인한 생산중단을 줄이기 위해 실시간 설비 이상 탐지에 대한 연구가 활발히 진행되고 있다. 본 논문에서는 생산설비의 이상탐지를 위해 제조데이터를 딥러닝 모델인 Autoencoder(AE), VAE(Variational Autoencoder), AAE(Adversarial Autoencoder)에 적용하여 그 결과를 도출하였다. 제조데이터는 단순 이동 평균 기법과 전처리 과정을 거쳐 입력데이터로 사용하였으며, 단순이동평균 기법의 윈도우 크기와 AE 모델의 특징벡터 크기에 따른 성능분석을 실시하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.82-84
• /
• 2021

스마트 공장 구축사업을 통해 생산 설비로부터 전력, 진동, 압력, 온도 등의 센서 데이터가 수집되고 있으며 데이터 분석을 통해 예지보전, 불량예측, 이상탐지 등의 서비스 개발이 진행되고 있다. 일반적으로 제조데이터의 경우 정상과 비정상 데이터의 불균형이 극심하여 이상탐지 서비스가 선호되고 있다. 본 논문에서는 이상탐지 서비스 개발의 전단계로 제조데이터의 특징 데이터 추출을 위해 FFT 방법을 사용하였으며, 이를 통해 생산되는 제품을 분류해보고 그 결과를 확인하였다. 즉, 제품별 대표 패턴을 FFT 변환 후 상관계수를 계산하여 제품분류가 가능한지 확인하였다.

• 전자통신동향분석
• /
• 제35권1호
• /
• pp.60-70
• /
• 2020

Artificial intelligence (AI) is expected to bring about a wide range of changes in the industry, based on the assessment that it is the most innovative technology in the last three decades. The manufacturing field is an area in which various artificial intelligence technologies are being applied, and through accumulated data analysis, an optimal operation method can be presented to improve the productivity of manufacturing processes. In addition, AI technologies are being used throughout all areas of manufacturing, including product design, engineering, improvement of working environments, detection of anomalies in facilities, and quality control. This makes it possible to easily design and engineer products with a fast pace and provides an efficient working and training environment for workers. Also, abnormal situations related to quality deterioration can be identified, and autonomous operation of facilities without human intervention is made possible. In this paper, AI technologies used in smart factories, such as the trends in generative product design, smart workbench and real-sense interaction guide technology for work and training, anomaly detection technology for quality control, and intelligent manufacturing facility technology for autonomous production, are analyzed.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.33-40
• /
• 2022

본 연구는 판넬형 공장 지붕의 드론 촬영 이미지를 분석해 볼트의 이상 탐지를 수행하는 시스템을 제안한다. 지붕의 점검은 현재 점검자가 직접 지붕 위로 올라가 점검을 진행한다. 하지만 고소 작업 환경으로 인한 안전사고가 지속해서 발생하고 있어 새로운 대안이 필요하다. 이에, 최근 위험 환경의 점검 방안의 대안으로 대두되는 드론 촬영의 결과물을 딥러닝을 이용해 이상 볼트의 위치를 찾아내는 방안을 통해 손쉽게 점검할 수 있도록 한다. 본 연구에서 제안하고 있는 시스템은 촬영된 드론 이미지를 볼트캡이 풀려있는 상황에 대한 샘플 이미지를 사용해 스캐닝을 진행한다. 더 나아가 스캔 된 위치에 대해 AI를 사용해 판별해 정확하게 볼트 이상 여부를 판별한다. 본 연구에서 사용한 AI는 VGGNet 기반으로 정확도 99%의 테스트 결과를 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.131-131
• /
• 2019

최근 기후변화와 여름철 고온 등으로 인한 녹조현상, 각종 사고로 인한 화학물질 및 유류 유출 등 수질오염과 관련된 사회적 관심이 높아지고 있다. 특히, 화학사고로 인한 유해화학물질 유출은 접촉시 인체에 악영향을 끼치며, 대기 수질 토양을 오염시키고 주변 농작물의 변색이나 괴사를 유발하는 등 발생 시 적절한 조치와 대응이 필요하다. 환경부에서는 유해화학물질 유출사고로 인한 국민건강 및 환경상의 위해를 예방하기 위해 화학물질관리법과 화학물질 등록 및 평가에 관한 법률을 제정하여 유해화학물질을 관리하고 사고에 대응하고 있다. 그러나, 화학사고 발생 시 현장인력에 의존해 공장 인근의 먼지, 악취 등을 감시하거나 화학물질의 유출이 우려되는 곳에 제한적으로 검출센서를 설치해 사고를 감시하고 있으나 미설치 지역에 대한 능동적 탐지가 어렵고, 공간적 분포 탐지가 불가능하여 초동 대응에 한계가 있다. 한편 최근 초분광 영상을 활용하여 물질 고유의 특성을 분석함으로써 토지피복, 식생, 수질 등의 식별에 활용되고 있어 화학물질 감지 가능성도 보여주고 있다. 하지만, 초분광 센서를 활용한 하천의 화학물질 감지를 위한 연구는 아직 미비한 실정이다. 이에 본 연구에서는 우선 유해화학물질의 일종인 황산, 염화티오닐, 톨루엔을 대상으로 지점 분광복사계로 촬영하여 각각의 화학물질이 갖는 분광특성을 수집하여 초분광 영상으로 상호 구분이 가능한 지 확인하고자 하였다. 이상치 검출 및 신뢰도 높은 자료를 구축하기 위해 다회 반복촬영하였으며 반사도의 표준화를 위해 백색판을 동시에 측정하고 이를 정규화하여 분광 라이브러리를 구축한 결과, 대상 화학물질 별 식별이 가능하다는 결과를 도출하였다. 이러한 가능성에 기반하여 추가적인 유해화학물질 분광 라이브러리 데이터베이스를 구축하면, 사고물질의 식별 및 농도를 즉각적으로 확인하고 실시간 모니터링에 적용하여 신속하게 화학사고 발생여부 감지 및 대응에 활용될 것으로 기대한다.

• 한국정보통신학회논문지
• /
• 제19권10호
• /
• pp.2396-2402
• /
• 2015

공기압축기는 공장 및 설비 가동에 사용되는 필수 장비로써 미국 산업용 전기의 약 30%를 소비하고 있으며, 소비전력 절감을 위해 고급화된 기술 방안들이 제시되고 있다. 압축공기 변화량의 진폭변동이 작을 경우 시스템 안정성이 증가하며, 소비전력을 절감시켜 효율적인 에너지 시스템 설계를 가능하게 한다. 일반적으로 통계적 분석에서는 데이터의 분포를 정규분포, 로그정규분포, 감마분포 등을 이용하여 나타내지만, 압축공기 변화량을 나타내는 데이터처럼 긴 꼬리를 가지는 경우, 한 가지의 분포를 적용하는 것은 적합하지 않을 수 있다. 이에 따라, 본 논문에서는 압축공기의 변화량과 관련된 데이터를 두 개의 영역으로 나눈 혼합분포함수를 적용하여 평균전력 절감 가능성을 제시하였다. 이는 압축공기 변화량이 충분히 큰 수를 초과하는 영역에서는 가우시안 분포보다는 일반 파레토 분포가 더 정확한 퀀타일 값을 추정하는 데에 적합하기 때문이다.