• 디지털융복합연구
• /
• 제18권11호
• /
• pp.59-71
• /
• 2020

본 연구에서는 스마트공장에 대한 국내학술연구의 경향을 분석하고 향후 연구방향을 제시하였다. 체계적 문헌 연구방법으로 한국연구재단 등재지와 등재후보지를 검색하여 144개의 분석대상 논문을 선정 후 분석하였으며, 비블리오메트릭 분석법으로 VOSviewer를 활용한 동시 출현 단어 분석을 실시하였다. 분석 결과, 국내 스마트공장 연구는 자동화, 지능화, 빅데이터 기술 분야와 운영시스템, 개념화 연구, 해외 사례 및 정책의 6개의 분야로 나누어 진행되고 있는 것을 찾아내었다. 사물인터넷은 스마트공장의 핵심기술이자 핵심어로 거의 모든 연구들에서 다루어지고 있었으며, 서비스화에 관한 연구는 숫자가 상대적으로 적어서 앞으로 보강이 필요한 것으로 보였다. 보안기술 연구는 타 분야와 연계성이 부족하여 향후 상호 연계한 융합 연구가 필요한 것으로 파악되었다. 본 연구의 결과는 향후 개별 연구의 위상을 정립하고 연구분야를 찾아내는 데에 도움이 될 수 있을 것이다.

• 한국빅데이터학회지
• /
• 제3권1호
• /
• pp.95-103
• /
• 2018

ICT 기술의 발전에 따라 제조 산업은 공정 상에서 생성되는 제조 데이터를 분석하여 효율을 높이고자 많은 노력을 하고 있다. 본 논문에서는 스마트 공장의 일환으로 의사결정나무 알고리즘(CHAID)을 이용한 데이터 마이닝 기반 제조공정을 제안한다. 약 5개월간 수집된 실제 제조 공정의 432개 센서 데이터를 활용하여 불량률이 낮은 안정적인 공정 기간과 불량률이 높은 불안정한 공정 기간 간에 유의미한 차이를 보이는 변수를 찾아냈다. 선정된 최종 변수가 불량률 개선에 실제로 효과가 있는지를 측정하기 위해 해당 변수의 안정 값 범위를 설정하여 14일 간 공정에서 해당 센서가 안정 값의 범위를 벗어나지 않도록 공정 설정 값을 조절했고, 불량률 개선의 효과를 측정하였다. 이를 통해 제조 산업에서 생성되는 공정 센서 데이터를 활용 및 분석하여 불량률을 개선할 수 있는 실증적인 가이드라인을 제시할 수 있을 것으로 기대한다.

• 한국정보통신학회논문지
• /
• 제25권11호
• /
• pp.1525-1530
• /
• 2021

스마트 공장의 생산 계획 및 제조 데이터를 이용하여 AI 기반의 효율적인 재고 관리 및 물류 최적화 기술을 적용하면 해당 제조 기업의 생산성 향상과 고객 만족도 향상을 기대할 수 있다. 본 논문에서는 공장의 생산 공정에서부터 데이터를 수집하여 클라우드에 저장하고, 여기에 저장된 제조 데이터를 활용하여 추후 AI 기반의 공급망 최적화 기술을 적용할 수 있는 시스템을 제안하였다. 기존 시스템의 경우는 대략 10종~20종 정도의 데이터 타입을 지원했다면, 제안 시스템은 100종 이상의 데이터 타입을 지원하도록 설계 및 개발된다. 또한 수집 주기의 경우는 매 초당 1~2회의 데이터를 수집할 수 있도록 지원하며, TB 단위의 데이터 수집이 가능하다. 따라서 본 시스템은 자동화된 데이터 수집 체계를 갖추고 있는 스마트 공장 외에 기존의 전통 제조 현장에도 적용할 수 있도록 고안하였다.

• 한국전자통신학회논문지
• /
• 제12권6호
• /
• pp.1071-1080
• /
• 2017

최근 4차 산업혁명과 스마트 팩토리라는 용어를 뉴스나 매체를 통해 자주 들을 수 있다. 하지만 스마트 팩토리에 대한 정보와 어떻게 스마트 팩토리를 구축해야 하는지에 대한 구체적인 가이드라인이 없기 때문에 기업들로부터 외면 받고 있다. 스마트 팩토리의 구축은 도입 목적을 고려하여 회사의 규모에 적합하게 수행되어야한다. 기존 논문 연구에서 국내 대 중 소기업들을 대상으로 스마트 팩토리 성공구축 사례들을 분석 하였다. 사례분석 결과, 대기업의 경우 일부공장을 대상으로 시범적으로 스마트 팩토리를 구축한 후 성공적으로 평가될 시 전체공장으로 확대시키는 전략이 효과적이다. 중소기업의 경우, 낮은 수준의 스마트 팩토리 구축레벨에서 높은 수준의 구축레벨로 업그레이드하는 것이 효과적이다. 본 논문에서는 전통제조업체를 1개 선정하고, 3D가상공정설계를 통해 병목 구간과 개선이 필요한 공정을 파악한 후 센서를 설치한다. 최종적으로 센서를 통해 수집 된 데이터를 분석한 후 공정을 개선하고, 생산성이 향상된 스마트 팩토리를 구축하여 그 효과를 검증해 보고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권12호
• /
• pp.491-498
• /
• 2019

디지털 트윈은 현실 세계의 물리적인 사물을 컴퓨터상에 동일하게 가상화시키는 기술로써, IoT을 통해 센서 데이터를 수집하고, 수집한 데이터를 활용하여 물리적인 사물과 가상 사물을 양방향으로 연결을 할 수 있게 한다. 디지털 트윈 기술은 가상 모델의 시뮬레이션을 통해 동작을 조정하고 환경변화에 대한 대응을 미리 실험하여 위험성을 최소화할 수 있는 장점을 지닌다. 최근 인공지능이나 기계학습에 관련된 기술들이 주목받기 시작하면서, 물리적인 사물의 동작을 가상화하여 가상 모델을 관찰하고 다양한 시나리오를 적용하려는 시도가 증가하고 있다. 특히, 인더스트리 4.0에서 공장자동화의 핵심인 협력 로봇의 디지털 트윈을 구축하기 위해서는 로봇의 동작을 인지하는 과정이 필수적으로 요구된다. 로봇의 동작을 인지하기 위한 모델링 기반의 연구에 비해 센서 데이터 기반으로 동작을 예측하는 연구는 미비한 상황이다. 따라서 본 논문에서는 로봇의 동작을 인지하기 위해 가정용 협력 로봇에서 전류 및 관성 센서 데이터를 수집하기 위한 실험 환경을 구축하고, 수집한 센서 데이터를 기반으로 한 동작 예측 모델을 제안하고자 한다. 제안하는 방식은 조인트 위치 기반으로 로봇의 동작 명령어를 9가지로 분류하고 전류와 관성 센서값을 사용하여 학습을 통해 예측하는 방식이다. 이때, 학습에 사용되는 데이터는 협력 로봇이 동작 명령어의 입력 파라미터에 마진을 가지고 작동할 때 수집되는 센서값이다. 이를 통해, 동일한 경로를 따라 이동하는 9가지 동작뿐만 아니라 각 동작과 비슷한 경로를 따라 이동하는 동작에 대해서도 예측하는 모델을 구축하였다. SVM을 이용하여 학습한 결과, 모델의 성능은 평균적으로 정확도, 정밀도, 및 재현율이 모두 97%로 평가되었다.