• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.05a
• /
• pp.613-616
• /
• 2007

현재 국내 외 제조 산업은 기업 시스템의 노후화 등의 많은 문제들이 발생하고 있다. 현재의 자동차 부품공장에서의 불량품에 대한 처리방법은 제품의 생산이 완료된 후 테스트 단계를 거쳐 양품과 불량품을 분류하고 불량품이 발생하면 생산을 중단하고 생산라인의 상태를 점검하는 방식이다. 본 연구에서는 자동차 부품공장의 생산라인에서 불량품 생산을 줄이고 생산라인 가동시간의 지연을 줄이기 위한 불량 예방 모니터링 시스템에 대해 제안한다. 불량 예방 모니터링 시스템은 제품 조립의 각 단계 마다 테스트를 통해 데이터를 수집하고, 수집한 데이터에서 불량이 예상되면 알람 기능을 이용해서 경고를 하도록 설계하였다. 경고 메시지를 통해 불량이 예상되는 곳에 대해 조기에 조치하여 불량품이 나올 확률을 최소한으로 하고 제품의 생산지연 시간을 줄이는 것을 목표로 한다.

• 방재와보험
• /
• s.146
• /
• pp.28-33
• /
• 2012

• Smart Media Journal
• /
• v.11 no.4
• /
• pp.46-55
• /
• 2022

It is very important to first detect and remove defective fruits with scratches or bruised areas in the automatic fruit quality screening system. This paper proposes a method of detecting defective areas in fruits using the latest artificial intelligence technology, the Yolo V4 deep learning model in order to overcome the limitations of the method of detecting fruit's defective areas using the existing image processing techniques. In this study, a total of 2,400 defective fruits, including 1,000 defective apples and 1,400 defective fruits with scratch or decayed areas, were learned using the Yolo V4 deep learning model and experiments were conducted to detect defective areas. As a result of the performance test, the precision of apples is 0.80, recall is 0.76, IoU is 69.92% and mAP is 65.27%. The precision of pears is 0.86, recall is 0.81, IoU is 70.54% and mAP is 68.75%. The method proposed in this study can dramatically improve the performance of the existing automatic fruit quality screening system by accurately selecting fruits with defective areas in real time rather than using the existing image processing techniques.

• Proceedings of the Korean Reliability Society Conference
• /
• 2001.06a
• /
• pp.489-496
• /
• 2001

컴퓨터 키보드의 시장 불량품을 분석한 결과 여러 키가 동시에 입력되는 현상이 다수 발생되는 것을 알 수 있었다. 정밀분석결과 이의 원인이 키보드 membrane의 패턴을 구성하는 은(Ag) paste의 ion migration발생에 의한 것임을 알 수 있었다. 재현실험을 통해 고온 고습한 환경에서 장시간 사용하다보면 membrane내부로 수분이 침투하여 패턴간에 Ag ion migration이 발생되어 키 동작 오류를 유발시킴을 알 수 있었다. 이에 대한 대책안으로 제조 원가에 크게 영향을 주지 않으면서 migration을 크게 억제할 수 있는 준방수 방식의 membrane을 채택하여 4$0^{\circ}C$, 90%RH 환경에서 최소 5년을 보증할 수 있는 키보드를 제작하였다. 또한, 키보드 membrane의 ion migration 시험시 정상사용 조건을 가속시킬 수 있는 재현 및 검증시험법(85$^{\circ}C$, 85%RH, 가속계수 17배)을 개발하였다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.18 no.5
• /
• pp.45-50
• /
• 2013

Recently, as the market for SMART TV expands, the camera is embedded for providing various user experience. However, this leads to occurrence of camera failure due to TV power up sequence problem, which are usually not detectable in conventional test equipments. Although the failure-detection can be possible by re-generating control signals for audio interface with new equipment, it is expensive and also requires much time to test. In this paper, for SMART TV, FPGA(Field Programmable Gate Array)-based failure-detection system is proposed which can lead to reduction of both cost and time for test.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.8 no.6
• /
• pp.1458-1464
• /
• 2007

Today, domestic and foreign manufacturing industries have to cope with obsolescence of manufacturing equipment because the shifting market trends drive the rapid changes in the production process resulting in stressful operation. Quality control process for manufacturing and production involves a familiar step - when the production process is completed, every item is subjected to various routine tests to determine that it meets the minimum quality standards. Typically, when a faulty product is found, the production line has to be stopped and the current batch is marked for further inspected and exhaustive testing. In this research, we propose a quality monitoring system for productivity enhancement. Our approach aims to reduces the operational down time in the production line of a car-component factory. The proposed monitoring system for productivity enhancement is designed to collect the data through testing at each phase of the assembly line and uses predictive methods on the collected data to achieve early detection of faults in the production process and minimize the number of products in a faulty batch thus minimizing the losses incurred from defective products. More importantly, this system aims to forecast and proactively detect faults and activate warnings when they are detected thus minimizing items in the defective batch, reducing the damage to manufacturing equipment and ultimately reducing the operational downtime or the delay in the resumption of normal factory operation.

• Proceedings of the Korean Reliability Society Conference
• /
• 2002.06a
• /
• pp.123-129
• /
• 2002

본 논문에서는 Regulator IC의 불량원인 규명을 통해 반도체 고장분석 방법 및 개선사례를 소개하고자 한다. 고장분석에 사용된 반도체 Package는 8Pin MSOP(Mini Small Outline Package)로, 시장 불량품을 분석한 결과 Regulator IC의 Stitch Bond에 Heel Crack이 발생하여 불안정한 출력을 발생시킴을 알 수 있었다. Stitch Bond Heel Crack의 원인은 Lead Frame부의 박리(Delamination)에 의해 열이나 진동 등의 외부 Stress가 직접 Stitch Bond에 가해져 Crack이 발생된 것으로, Reflow 재현시험을 통해 확인 할 수 있었다. 박리 발생에 의한 Stitch Bond Heel Crack 방지 대책으로 첫째, Bonding Type을 Stitch Bond 에서 Ball Bond로 변경하여 강도를 개선하고 둘째, PCB Layout 변경을 통해 외력이 직접 Regulator IC에 가해지지 않도록 하였다. 개선 결과 현재까지 시장에서 동일 불량은 발생하지 않았다.

• IE interfaces
• /
• v.8 no.3
• /
• pp.155-169
• /
• 1995

일반적인 CAD/CAM 시스템을 이용해서 생성한 NC-code는 오류의 가능성의 항시 내포되어 있으므로, 실 가공하기 전에 NC-code의 불량 여부를 검사할 필요가 있다. 본 논문에서는 Z-map 형태의 계산모형을 이용한 모의가공의 계산방법을 볼엔드밀, 평엔드밀, 라운드엔드밀에 대해서 도식적으로 설명하였다. 또, 모의가공 된 형상만으로 NC-code의 불량 여부를 검사하는 자체적인 검사방법과 모의가공 된 형상과 설계형상을 비교해서 불량여부를 판별하는 비교 검사방법을 제시하였다. Z-am 모델을 모의가공과 가공형상의 검증에 사용하면, 빠른 속도로 실제가공 상황을 재현 할 수 있고 육안 검증을 포함한 다양한 수치적 검증이 가능하다. 또, 간단한 데이터 구조이므로 필요한 앨고리즘을 효율적이고, 로버스트하게 구현할 수 있다.

• Proceedings of the Korean Society of Crop Science Conference
• /
• 1997.10a
• /
• pp.56-57
• /
• 1997

• Journal of the Korea Convergence Society
• /
• v.13 no.2
• /
• pp.249-255
• /
• 2022

This study proposed an analysis framework for real-time prediction of CNC processing defects using machine learning-based models that are recently attracting attention as processing defect prediction methods, and applied it to CNC machines. Analysis shows that the XGBoost, CatBoost, and LightGBM models have the same best accuracy, precision, recall, F1 score, and AUC, of which the LightGBM model took the shortest execution time. This short run time has practical advantages such as reducing actual system deployment costs, reducing the probability of CNC machine damage due to rapid prediction of defects, and increasing overall CNC machine utilization, confirming that the LightGBM model is the most effective machine learning model for CNC machines with only basic sensors installed. In addition, it was confirmed that classification performance was maximized when an ensemble model consisting of LightGBM, ExtraTrees, k-Nearest Neighbors, and logistic regression models was applied in situations where there are no restrictions on execution time and computing power.