• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.10a
• /
• pp.78-81
• /
• 2021

Through the smart factory construction project, sensors can be installed in manufacturing production facilities and various process data can be collected in real time. Through this, research on real-time facility anomaly detection is being actively conducted to reduce production interruption due to facility abnormality in the manufacturing process. In this paper, to detect abnormalities in production facilities, the manufacturing data was applied to deep learning models Autoencoder(AE), VAE(Variational Autoencoder), and AAE(Adversarial Autoencoder) to derive the results. Manufacturing data was used as input data through a simple moving average technique and preprocessing process, and performance analysis was conducted according to the window size of the simple movement average technique and the feature vector size of the AE model.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.10a
• /
• pp.89-92
• /
• 2021

In a manufacturing fields, an abnormality or breakdown of equipment is a factor that causes product defects. Recently, with the spread of smart factory services, a lot of research to predict and prevent machine's failures is actively ongoing. However, there is a big difficulty in developing a classification model because the number of abnormal or failure data of the machine is severely smaller than normal data. In this paper, we present an algorithm for detecting abnormalities in an MCT at manufacturing work site depending on the differences between inputs and outputs of Autoencoder model and analyze its performance. The algorithm detects abnormalities using only features of normal data from manufacturing data of the MCT in which abnormal data does not exist.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.11
• /
• pp.455-464
• /
• 2022

There are two unique characteristics of the datasets from a manufacturing process. They are the severe class imbalance and lots of Out-of-Distribution samples. Some good strategies such as the oversampling over the minority class, and the down-sampling over the majority class, are well known to handle the class imbalance. In addition, SMOTE has been chosen to address the issue recently. But, Out-of-Distribution samples have been studied just with neural networks. It seems to be hardly shown that Out-of-Distribution detection is applied to the predictive model using conventional machine learning algorithms such as SVM, Random Forest and KNN. It is known that conventional machine learning algorithms are much better than neural networks in prediction performance, because neural networks are vulnerable to over-fitting and requires much bigger dataset than conventional machine learning algorithms does. So, we suggests a new approach to utilize Out-of-Distribution detection based on SVM algorithm. In addition to that, bagging technique will be adopted to improve the precision of the model.

• Proceedings of the Membrane Society of Korea Conference
• /
• 1997.04b
• /
• pp.25-26
• /
• 1997

막을 이용한 기체 분리법의 기초적인 연구는 1880년대에 이미 시작되었지만 실용화가 이루어지지 않은 이유는 막 투과속도가 적었기 때문이었다. 그러나 막 제조기술의 발달에 의해서 처리면적이 매우 큰 초박막이 제조되었고 이로인해 에너지 절약형 기체분리 방법으로서의 막분리법이 다시 흥미를 끌게 되었다. 현재 실용화되고 있는 막으로 투과계수가 큰 실리콘막을 들수 있지만 분리계수가 작기 때문에 보다 분리성능이 큰 새로운 막의 개발이 요망된다. 그러나 실리콘막에 대한 상세한 연구가 별로 없기 때문에 실리콘막을 기준막으로 성능이 좋은 막을 개발하는데 있어서의 데이터가 부족하다. 본 연구는 이와같은 데이터를 보충하고 막투과가 기체의 어떤 성질에 지배되고 있는가를 조사할 목적으로 수행하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.01a
• /
• pp.73-76
• /
• 2020

본 논문은 생산 현장에서 필요로 하는 다양한 스마트팩토리 서비스를 현장 근로자가 직접 기획, 설계, 구현 및 적용 가능한 서비스 플랫폼을 제안한다. 이를 위하여 오픈 하드웨어 개발 도구 등을 활용한 IoT 기반 제조데이터 수집과 이를 활용하여 서비스 화면을 구성할 수 있는 개발도구를 설계하고 구현하였으며, 구현된 프로그램으로부터 제조데이터 기반의 다양한 현장 서비스를 근로자가 직접 만들고 배포할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.846-848
• /
• 2018

최근 4차 산업혁명이 이슈가 되면서 빅 데이터나 인공지능에 대한 연구가 활발해지고, 이를 통해 자동화 및 자율화가 제조 공정이나 차량 운행 등에서 활용되고 있다. 또한 이를 위해서 데이터를 분석하고 정제하며 시각화를 효과적으로 하는 방법에 대한 관심도 같이 늘어나고 있다. 본 논문에서는 자동화 공장의 제품을 관리함에 있어 데이터를 쉽게 이해할 수 있도록 시각화하는 방법에 대한 연구를 수행했다. 이를 위해 D3 자바스크립트 라이브러리를 통해 웹기반으로 구현한 제품과 장애를 효과적으로 관리할 수 있는 시스템을 개발했다. 제안하는 관리 시스템은 자동화 공장의 제조 공정 중 제품이나 장애 상황에 대한 이해를 빠르게 하도록 하여 의사결정 하는데 기여할 것이다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.343-344
• /
• 2023

본 논문에서는 최근 스마트업체이며 제조업체로 화두가 되고 있는 샤오미 키워드로 빅데이터 분석을 활용하여 분석하고자 한다. 샤오미는 2021년 스마트폰 제조업체 세계1위를 차지했고, 글로벌 100대 브랜드(2022)에는 처음으로 84위에 진입하여 급격하게 성장하고 있는 업체 중 하나이다. 특히 국내에서도 점차 점유율이 커지고 있는 상황에서 국내 소비자들의 인식과 향후 국내에서의 입지를 알아보고자 한다. 국내 포털과 SNS에 채널을 통한 '샤오미' 키워드에 관한 데이터를 통해 키워드 분석, 워드클라우드, 토픽모델링 등의 분석을 진행하여 최근 국내 샤오미에 관한 인식과 향후 방향성을 제시해보고자 한다.

• Smart Media Journal
• /
• v.9 no.3
• /
• pp.31-40
• /
• 2020

Currently, black-box-based machine learning algorithms are used to analyze big data in manufacturing. This algorithm has the advantage of having high analytical consistency, but has the disadvantage that it is difficult to interpret the analysis results. However, in the manufacturing industry, it is important to verify the basis of the results and the validity of deriving the analysis algorithms through analysis based on the manufacturing process principle. To overcome the limitation of explanatory power as a result of this machine learning algorithm, we propose a manufacturing big data analysis method using genetic programming. This algorithm is one of well-known evolutionary algorithms, which repeats evolutionary operators such as selection, crossover, mutation that mimic biological evolution to find the optimal solution. Then, the solution is expressed as a relationship between variables using mathematical symbols, and the solution with the highest explanatory power is finally selected. Through this, input and output variable relations are derived to formulate the results, so it is possible to interpret the intuitive manufacturing mechanism, and it is also possible to derive manufacturing principles that cannot be interpreted based on the relationship between variables represented by formulas. The proposed technique showed equal or superior performance as a result of comparing and analyzing performance with a typical machine learning algorithm. In the future, the possibility of using various manufacturing fields was verified through the technique.

• Proceedings of the Korean Society of Tobacco Science Conference
• /
• 2001.05a
• /
• pp.55-71
• /
• 2001

권련의 불량요인 파악과 조치를 위해서는 담배의 제조 공정에서 수집되는 데이터를 실시간으로 통계분석 및 품질관리 함으로써, 제조 공정상의 문제점을 즉각적으로 파악하여 예방함으로써 제조담배의 불량을 최소화 할 수 있다. 또한 소비자의 만족도를 향상시키기 위해서는 향상된 품질을 통하여 소비자에게 더 큰 만족을 줌으로써 PL법 시행시, 제조 담배에 대한 신뢰도를 높이기 위하여야 하며, 품질관리업무의 자동화는 단순, 반복되는 품질관리 업무를 자동화시킴으로서 업무의 효율성 및 date의 신뢰성을 높이고, 정형화된 보고서를 작성함으로써 작업자로 하여금 생산성이 높은 업무에 집중할 수 있도록 할 수 있다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.21 no.1
• /
• pp.149-162
• /
• 2021

This paper established a new smart factory based on manufacturing data for an introductory company focusing on the personalized cosmetics manufacturing industry. We build on an example of a system that collects, manages, and analyzes documents and data that were previously managed by CGMP-based analog for data-driven use. To this end, we have established a system that can collect all data in real time at the production site by introducing artificial intelligence smart factory platform LINK5 MOS and POP system, collecting PLC data, and introducing monitoring system and pin board. It also aims to create a new business cluster space based on this project.