• Proceedings of the KAIS Fall Conference
• /
• 2004.06a
• /
• pp.224-227
• /
• 2004

본 연구는 플라스틱 사출 금형 견적 산출 전문가 시스템에 관한 내용이다. 일반적으로 경험에 의한 견적 산출은 프라스틱 사출 금형 제조 회사의 경험이 많은 엔지니어가 직접 작성하게 된다. 이렇게 되면, 시간은 많이 소요되지 않지만, 객관성과 과학성이 결여된 견적이 산출된다. 때때로, 고객과 제조회사 간의 분쟁이 발생하게 되는 원인이 되기도 한다. 이러한 문제를 극복하기 위해, 본 연구로 개발된 시스템이 대안이 될 것이다. 윈도우 환경의 Visual Basic과 SQL 데이터 베이스를 사용한다. 이 시스템에서 얻어진 결과는 제조 현장에서 설계들에게 효과적인 지침이 될 것이다.

• Journal of Intelligence and Information Systems
• /
• v.29 no.1
• /
• pp.121-142
• /
• 2023

As the number and weight of imported food are steadily increasing, safety management of imported food to prevent food safety accidents is becoming more important. The Ministry of Food and Drug Safety conducts on-site inspections of foreign food facilities before customs clearance as well as import inspection at the customs clearance stage. However, a data-based safety management plan for imported food is needed due to time, cost, and limited resources. In this study, we tried to increase the efficiency of the on-site inspection by preparing a machine learning prediction model that pre-selects the companies that are expected to fail before the on-site inspection. Basic information of 303,272 foreign food facilities and processing businesses collected in the Integrated Food Safety Information Network and 1,689 cases of on-site inspection information data collected from 2019 to April 2022 were collected. After preprocessing the data of foreign food facilities, only the data subject to on-site inspection were extracted using the foreign food facility_code. As a result, it consisted of a total of 1,689 data and 103 variables. For 103 variables, variables that were '0' were removed based on the Theil-U index, and after reducing by applying Multiple Correspondence Analysis, 49 characteristic variables were finally derived. We build eight different models and perform hyperparameter tuning through 5-fold cross validation. Then, the performance of the generated models are evaluated. The research purpose of selecting companies subject to on-site inspection is to maximize the recall, which is the probability of judging nonconforming companies as nonconforming. As a result of applying various algorithms of machine learning, the Random Forest model with the highest Recall_macro, AUROC, Average PR, F1-score, and Balanced Accuracy was evaluated as the best model. Finally, we apply Kernal SHAP (SHapley Additive exPlanations) to present the selection reason for nonconforming facilities of individual instances, and discuss applicability to the on-site inspection facility selection system. Based on the results of this study, it is expected that it will contribute to the efficient operation of limited resources such as manpower and budget by establishing an imported food management system through a data-based scientific risk management model.

• The Journal of Bigdata
• /
• v.2 no.2
• /
• pp.9-16
• /
• 2017

Global Platform Solution Company (aka Amazon, Google, MS, IBM) who has cloud platform, are driving AI and Big Data service on their cloud platform. It will dramatically change Enterprise business value chain and infrastructures in Supply Chain Management, Enterprise Resource Planning in Customer relationship Management. Enterprise are focusing the channel with customers and Business Partners and also changing their infrastructures to platform by integrating data. It will be Digital Transformation for decision support. AI and Deep learning technology are rapidly combined to their data driven platform, which supports mobile, social and big data. The collaboration of platform service with business partner and the customer will generate new ecosystem market and it will be the new way of enterprise revolution as a part of the 4th industrial revolution.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1305-1307
• /
• 2022

자동차 부품의 결함은 시스템 전체의 성능 저하 및 인적 물적 손실이 발생할 수 있으므로 생산라인에서의 불량 검출은 매우 중요하다. 따라서 정확하고 균일한 결과의 불량 검출을 위해 딥러닝 기반의 고장 진단 시스템이 다양하게 연구되고 있다. 하지만 제조현장에서는 정상 샘플보다 비정상 샘플의 발생 빈도가 현저히 낮다. 이는 학습 데이터의 클래스 불균형 문제로 이어지게 되고, 이러한 불균형 문제는 고장을 판별하는 분류 모델의 성능에 영향을 끼치게 된다. 이에 본 연구에서는 모터의 동작음으로부터 불량 모터를 판별하는 불량 검출 시스템 설계를 위한 데이터 불균형 해결 방법을 제안한다. 자동차 사이드 미러 모터의 동작음을 학습 및 테스트를 위한 데이터 셋으로 사용하였으며 손실함수 계산 시 학습 데이터 셋의 클래스별 샘플 수 가 반영되는 label-distribution-aware margin(LDAM) loss 와 Inception, ResNet, DenseNet 신경망 모델의 비교 분석을 통해 불균형 데이터를 처리할 수 있는 가능성을 보여주었다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.11a
• /
• pp.466-471
• /
• 2007

현재 국내 이동통신 단말기 시장은 디지털 컨버젼스라는 사회적 트랜드 아래 다양한 기능을 가진 단말기가 출시되고 있다. 본 연구의 목적은 $2005{\sim}2007$년에 제조된 약 300개의 이동통신 단말기 중 에 대한 데이터에 근거하여 이동통신 단말기에 대한 가격지수를 도출하여 측정하는 것으로서 이를 위한 방법으로서 Hedonic price analysis을 이용하고자 한다.

• Proceedings of the CALSEC Conference
• /
• 1999.07a
• /
• pp.373-382
• /
• 1999

EC(Electronic Commerce) : 상업적인 데이터 교환 TOOL ▶ 기업과 기업간 또는 기업과 소비자간에 통합적인 자동화된 정보체계 환경하에서 판매, 생산, 구매, 재무, 운송, 행정, ▶ 서비스등의 상거래를 전자적으로 실현하는 행위 ▶ B to C (Business to Consumer) : Shopping Mall ▶ B to B (Business to Business) : EDI(중략)

• Journal of Information Technology and Architecture
• /
• v.9 no.3
• /
• pp.275-285
• /
• 2012

DIFs (Data Interchange Formats) are needed to enhance interoperability of physically distributed organizations in SBA (Simulation Based Acquisition) process. DIFs play a role as a template of DPDs (Distributed Product Descriptions) and provide capability to use information directly without data format interchange process by allowing access to DPDs, which include various information and M&S (Modeling & Simulation) resources. This characteristic is essential for interoperability in ICE (Integrated Collaborative Environment) based SBA. This paper proposes a framework for the DIF and outputs from each phase of acquisition process for configuration data related to design and manufacturing in SBA process - Conceptual Data Model, Logical Data Model, Physical Data Model and Physical DIF based on XML. Finally, we propose the DIF model architecture and demonstrate the implementation of DIF example based on it.

• Proceedings of the Korean Vacuum Society Conference
• /
• 2014.02a
• /
• pp.236.2-236.2
• /
• 2014

세계 반도체 시장은 컴퓨터 기능이 더해진 모바일 기기의 수요가 증가함에 따라 메모리반도체의 시장규모가 최근 빠른 속도로 증가했다. 특히 모바일 기기에서 저장장치 역할을 하는 비휘발성 반도체인 NAND Flash Memory는 스마트폰 및 태블릿PC 등 휴대용 기기의 수요 증가, SSD (Solid State Drive)를 탑재한 PC의 수요 확대, 서버용 SSD시장의 활성화 등으로 연평균 18.9%의 성장을 보이고 있다. 이러한 경제적인 배경 속에서 NAND Flash 미세공정 기술의 마지막 단계로 여겨지는 1Xnm 공정이 개발되었다. 그러나 1Xnm Flash Memory의 생산은 새로운 제조설비 구축과 차세대 공정 기술의 적용으로 제조비용이 상승하는 단점이 있다. 이에 따라 제조공정기술을 미세화하지 않고 기존의 수평적 셀구조에서 수직적 셀구조로 설계 구조를 다양화하는 기술이 대두되고 있는데 이 중 Flash Memory의 대용량화와 수명 향상을 동시에 추구할 수 있는 3D NAND 기술이 주목을 받게 되면서 공정기술의 변화도 함께 대두되고 있다. 3D NAND 기술은 기존라인에서 전환하는데 드는 비용이 크지 않으며, 노광장비의 중요도가 축소되는 반면, 증착(Chemical Vapor Deposition) 및 식각공정(Etching)의 기술적 난이도와 스텝수가 증가한다. 이 중 V-NAND 3D 기술에서 사용하는 박막증착 공정의 경우 산화막과 질화막을 번갈아 증착하여 30layer 이상을 하나의 챔버 내에서 연속으로 증착한다. 다층막 증착 공정이 비정상적으로 진행되었을 경우, V-NAND Flash Memory를 제조하기 위한 후속공정에 영향을 미쳐 웨이퍼를 폐기해야 하는 손실을 초래할 수 있다. 본 연구에서는 V-NAND 다층막 증착공정 중에 다층막의 두께를 가상 계측하는 알고리즘을 개발하고자 하였다. 증착공정이 진행될수록 박막의 두께는 증가하여 커패시터 관점에서 변화가 생겨 RF 신호의 진폭과 위상의 변화가 생긴다는 점을 착안하여 증착 공정 중 PECVD 장비 RF matcher와 heater에서 RF 신호의 진폭과 위상을 실시간으로 측정하여 데이터를 수집하고, 박막의 두께와의 상관성을 분석하였다. 이 연구 결과를 토대로 V-NAND Flash memory 제조 품질향상 및 웨이퍼 손실 최소화를 실현하여 제조 시스템을 효율적으로 운영할 수 있는 효과를 기대할 수 있다.

• Proceedings of the Korean Vacuum Society Conference
• /
• 2013.08a
• /
• pp.82.2-82.2
• /
• 2013

반도체 및 디스플레이 소자를 생산 하기 위하여 다양하고 많은 공정 기술이 사용 되며 그 중에서 플라즈마를 이용하는 제조공정이 차지 하는 부분은 상당한 부분을 차지 하고 있습니다. 전체 반도체 공정 중 48%가 진공공정이며, 진공공정 중 68% 이상이 플라즈마를 이용하고 있으며, 식각과 증착 장비 뿐만 아니라 세정과 이온증착 에 이르기 까지 다양하며 앞으로도 더욱 범위가 늘어 날 것으로 보입니다. 이러한 플라즈마를 이용한 제조 공정들은 제품의 생산성을 향상 하기 위하여 오염제어 기술을 비롯한 공정관리기술 그리고 고기능 센서기술을 이용한 공정 모니터링 및 제어 기술에 이르기 까지 다양한 기술들을 필요로 합니다. 플라즈마를 이용한 제조 장비는 RF파워모듈, 진공제어모듈, 공정가스제어모듈, 웨이퍼 및 글래스의 반송장치, 그리고 온도제어 모듈과 같이 다양한 장치의 집합체라 할 수 있습니다. 플라즈마의 생성과 이를 제어 하기 위한 기술은 제조장비의 국산화를 위한 부단한 노력의 결실로 많은 부분 기술이 축적되어 왔고 성과를 거두고 있습니다. 그러나 고기능 모니터링 센서 기술 개발은 그 동안 활발 하게 이루어져 오고 있지 않았으며 대부분 외산 기술에 의존해 왔습니다. 세계 반도체 시장은 현재 300 mm 웨이퍼 가공에서, 추후 450 mm 시장으로 패러다임이 변화될 예정이며, 미세화 공정이 더욱 진행 됨에 따라 반도체 제조사들의 관심사가 "성능 중심의 반도체 제조기술"로부터 "오류 최소를 통한 생산성 향상"에 더욱 주목 하고 있습니다. 공정미세화 및 웨이퍼 대구경화로 인해 실시간 복합 센서를 이용한 데이터 처리 알고리즘 및 자동화 소프트웨어의 기능이 탑재된 장비를 요구하고 있습니다. 주식회사 레인보우 코퍼레이션은 플라즈마 Chemistry상태를 정성 분석 가능한 OES (Optical Emission Spectroscopy)를 이용한 EPD System을 상용화 하여 고객사에 공급 중이며, 플라즈마의 광 신호를 실시간으로 고속 계측함과 동시에 최적화된 알고리즘을 이용하여 플라즈마의 이상 상태를 감지하며 이를 통하여 제조 공정 및 장비의 개선을 가능하게 하여 고객 제품의 생산성을 향상 하도록 하는 기술을 개발 하고 있습니다. 본 심포지엄에서는 주식회사 레인보우 코퍼레이션이 개발 중인 "실시간 고속 플라즈마 광 모니터링 기술" 의 개념을 소개하고, 제품의 응용 범위와 응용 방법에 대하여 설명을 하고자 합니다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.25 no.3
• /
• pp.471-477
• /
• 2021

In the field of display, a smart factory means more efficient display manufacturing using AI/BIG DATA technology not only for job automation, but also for existing process management, moving facilities, process abnormalities, and defect classification. In the past, when defects appeared in the display manufacturing process, the classification of defects and coping with process abnormalities were different, a lot of time was consumed for this. However, in the field of display manufacturing, advanced process equipment must be used, and it can be said that the competitiveness of the display manufacturing industry is to quickly identify the cause of defects and increase the yield. In this paper, we will summarize the cases in which smart factory AI/BIG DATA technology is applied to domestic display manufacturing, and analyze what advantages can be derived compared to existing methods. This information can be used as prior knowledge for improved smart factory development in the field of display manufacturing using AI/BIG DATA.