• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권3호
• /
• pp.77-90
• /
• 2018

소프트웨어 결함 예측(SDP)은 결함이 있는 모듈을 식별하기 위한 연구 분야이다. 충분한 로컬 데이터가 없으면 다른 회사에서 수집한 데이터를 사용하여 분류기를 구축하는 교차 프로젝트 결함 예측(CPDP)을 활용할 수 있다. SDP에 대한 대부분의 기계 학습 알고리즘은 서로 다른 값에 따라 예측 성능에 큰 영향을 미치는 하나 이상의 매개 변수를 사용한다. 본 연구의 목적은 CPDP의 예측 성능 향상을 위해 매개 변수 선택 기법을 제안하는 것이다. Harmony Search 알고리즘을 사용하여, 예측 어려움을 야기하는 클래스 불균형을 해결하는 방법인 비용에 민감한 부스팅의 매개 변수를 조정한다. 분포 특성에 따라 매개 변수 범위와 매개 변수 간의 제한 조건 규칙이 정의되어 하모니 검색 알고리즘에 적용된다. 제안된 접근법은 15개의 대상 프로젝트를 대상으로 3개의 CPDP 모델과 내부프로젝트 결함 예측(WPDP) 모델을 비교한다. 실험 결과는 제안된 방법이 클래스 불균형의 맥락에서 다른 CPDP 방법보다 성능이 우수하다는 것을 보여준다. 이전의 연구에서는 탐지 확률이 낮거나 오보 가능성이 높았으나 우리의 기법은 높은 PD와 낮은 PF를 제공하면서 높은 전체 성능을 보였다. 또한 WPDP와 비슷한 성능을 제공하였다.

• 산업경영시스템학회지
• /
• 제45권4호
• /
• pp.157-166
• /
• 2022

In the case of a die-casting process, defects that are difficult to confirm by visual inspection, such as shrinkage bubbles, may occur due to an error in maintaining a vacuum state. Since these casting defects are discovered during post-processing operations such as heat treatment or finishing work, they cannot be taken in advance at the casting time, which can cause a large number of defects. In this study, we propose an approach that can predict the occurrence of casting defects by defect type using machine learning technology based on casting parameter data collected from equipment in the die casting process in real time. Die-casting parameter data can basically be collected through the casting equipment controller. In order to perform classification analysis for predicting defects by defect type, labeling of casting parameters must be performed. In this study, first, the defective data set is separated by performing the primary clustering based on the total defect rate obtained during the post-processing. Second, the secondary cluster analysis is performed using the defect rate by type for the separated defect data set, and the labeling task is performed by defect type using the cluster analysis result. Finally, a classification learning model is created by collecting the entire labeled data set, and a real-time monitoring system for defect prediction using LabView and Python was implemented. When a defect is predicted, notification is performed so that the operator can cope with it, such as displaying on the monitoring screen and alarm notification.

• 조명전기설비학회논문지
• /
• 제24권1호
• /
• pp.63-70
• /
• 2010

본 논문에서는 원자력발전소 증기세관 크기 예측을 위한 신경회로망 구조에 대해서 연구한다. 와류탐상 시험(ECT) 신호로부터 특징을 추출한 후, 결함크기 예측을 위해서 다층퍼셉트론 신경회로망을 이용한다. 결함크기 예측성능을 최대화하기 위해서는 신경회로망의 구조, 특히 은닉층 내의 뉴런의 개수를 신중히 결정하여야 한다. 본 논문에서는, 결함크기 예측을 위한 은닉층 내의 뉴런의 개수를 교차검증을 이용하여 매우 효과적으로 결정할 수 있음을 보인다.

• 대한산업공학회지
• /
• 제40권3호
• /
• pp.257-266
• /
• 2014

The semiconductor manufacturing industry is managed by a number of parameters from the FAB which is the initial step of production to package test which is the final step of production. Various methods for prediction for the quality and yield are required to reduce the production costs caused by a complicated manufacturing process. In order to increase the accuracy of quality prediction, we have to extract the significant features from the large amount of data. In this study, we propose the method for extracting feature from the cell level data of probe test process using OPTICS which is one of the density-based clustering to improve the prediction accuracy of the quality of the assembled chips that will be placed in a package test. Two features extracted by using OPTICS are used as input variables of quality prediction model because of having position information of the cell defect. The package test progress for chips classified to the correct quality grade by performing the improved prediction method is expected to bring the effect of reducing production costs.

• 한국소성가공학회:학술대회논문집
• /
• 한국소성가공학회 2009년도 추계학술대회 논문집
• /
• pp.169-172
• /
• 2009

Multiple scale modeling has been applied to predict defect shape change during the wire rod rolling process. The size difference between bloom and defect prevent using usual FEM approaches due to the enormous number of elements required to depict the defect. The newly developed multiple scale model can visualize defect shape changes during the multi stands rolling process. The defect positioned at the top and side of bloom are smoothed out but the one at the middle evolved as folding or remained as crack. This approach can be used for defect control with roll shape design and initial bloom shape.

• 대한기계학회논문집A
• /
• 제28권10호
• /
• pp.1492-1499
• /
• 2004

In this paper, defect formation in ring rolling is revealed by computer simulation of ring rolling processes. The rigid-plastic finite element method is employed for this study. An analysis model having relatively fine mesh system near the roll gap is used for reducing the computational time and a scheme of minimizing the volume change is applied. The formation of the central cavity formation defect in ring rolling of a taper roller bearing outer race and the polygonal shape defect in ring rolling of a ball bearing outer race has been simulated. It has been seen that the results are qualitatively good with actual phenomena.

• 비파괴검사학회지
• /
• 제32권2호
• /
• pp.170-176
• /
• 2012

원자력 산업에 있어서 파이프의 감육결함은 수명평가 및 안전평가에 막대한 손실을 발생 할 수 있다. 비파괴검사 기법을 이용하여 변형, 진동, 결함 평가를 수행하고 있지만, 넓은 면적의 결함을 평가하는 기법이 적으며, 시간이 오래 걸리는 단점이 있다. 원자력 발전소의 2차계통에서 주로 사용되는 탄소강 배관을 대상으로 내부에 인공 감육결함을 가공하고 두께를 서로 다르게 하여 제작하여 Shearography를 이용하여 감육결함부의 변형을 측정하였다. 또한 광 계측을 통하여 변형, 진동, 결함 평가뿐만 아니라 압력용기의 결함깊이를 정량적으로 평가하고자 한다. 본 논문은 전단간섭계를 이용하여 파이프의 내부 감육 결함을 측정하고, 압력에 따른 변형을 제시한 기법을 이용하여 정량적인 결함의 잉여두께를 평가하고자 한다. 변형량을 이용하여 잉여두께 예측결과 실제 결함깊이와 약 7%의 오차로 신뢰성을 확보하였으며, 압력에 따른 변형량과 잉여두께의 DB구축을 통하여 원전 배관의 감육부 건전성 평가에 활용될 수 있을 것이다. 따라서, 본 연구에서 제안하는 압력용기 결함깊이 측정법은 원자력배관의 감육결함 예측 및 건정성 평가 기술 개발 등 이론과 실험이 결함된 기초연구로서 압력용기의 안정성, 건전성, 보수성을 증진시킬 수 있는 기반확립에 기여할 것으로 기대한다.

• 대한용접접합학회:학술대회논문집
• /
• 대한용접접합학회 2000년도 특별강연 및 추계학술발표대회 개요집
• /
• pp.274-276
• /
• 2000

• 한국자기학회:학술대회 개요집
• /
• 한국자기학회 1997년도 추계연구발표회 논문개요집
• /
• pp.124-125
• /
• 1997

• 한국컴퓨터정보학회논문지
• /
• 제20권5호
• /
• pp.73-81
• /
• 2015

소프트웨어 결함 예측 연구들의 대부분은 입력 개체의 결함 유무를 예측하는 이진 분류 모델들에 관한 것들이다. 하지만 모든 결함들이 같은 심각도를 갖지는 않으므로 예측 모델이 입력 개체의 결함경향성을 몇 개의 심각도 범주로 분류할 수 있다면 훨씬 유용하게 사용될 수 있다. 본 논문에서는 전통적인 복잡도와 크기 메트릭들을 입력으로 하는 심각도 기반 결함 예측 모델을 제안하였다. 학습 알고리즘은 많이 사용되는 네 개의 기계학습 기법들을 사용하였으며, 모델 구조는 삼진 분류 모델로 하였다. 모델 성능 평가를 위해 실험 데이터는 두 개의 NASA 공개 데이터 집합을 사용하였고, 평가 측정치는 Accuracy를 이용하였다. 평가 실험 결과는 역전파 신경망 모델이 두 데이터 집합에 대해 각각 81%와 88% 정도의 Accuracy 값으로 가장 좋은 성능을 보였다.