• 한국인터넷방송통신학회논문지
• /
• 제20권1호
• /
• pp.163-169
• /
• 2020

최근 4차 산업혁명의 핵심기술인 인공지능, 빅데이터, 사물인터넷의 발전으로 산업 현장에서 가동되는 기계의 자동화 및 무인화에 대한 연구가 활발히 진행되고 있다. 이러한 공정 기계들은 부착된 다양한 센서들로부터 수집된 데이터를 기반으로 제어되고 이를 통해 공정이 관리된다. 만약 센서에 고장이 발생한다면 센서 데이터 이상으로 인해 자동화 기계들이 오작동함으로써 공정 손실 발생뿐만 아니라 인명피해로도 이어질 수 있다. 전문가가 센서의 이상 여부를 주기적으로 확인하여 관리하고 있으나 산업 현장의 여러 가지 환경요인 및 상황으로 인하여 고장점검 시기를 놓치거나 고장을 발견하지 못하여 센서 고장으로 인한 피해를 막지 못하는 경우가 발생하고 있다. 또한 고장이 발생하여도 즉각 감지하지 못함으로써 공정 손실을 더욱 악화시키고 있는 실정이다. 따라서 이러한 돌발적인 센서 고장으로 인한 피해를 막기 위해 자체적으로 임베디드 시스템에서 센서의 고장 유무를 실시간으로 파악하고 빠른 대응을 위해 고장 진단 및 유형을 판별하는 것이 필요하다. 본 논문에서는 대표적인 센서 고장 유형인 erratic fault, hard-over fault, spike fault, stuck fault를 분류하기 위해 딥 뉴럴 네트워크 기반의 고장 진단 시스템을 설계하고 라즈베리 파이를 활용하여 구현하였다. 센서 고장 진단을 위해 구글이 제안한 MobilieNetV2의 Inverted residual block 구조를 사용하여 네트워크를 구성하였다. 본 논문에서 제안하는 방식은 기존 CNN 기법을 사용한 경우보다 메모리 사용량이 줄고 성능이 향상되며, 입력 신호에 대해 구간별로 센서 고장을 분류하여 산업 현장에서 효과적으로 사용될 것으로 기대된다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제7권1호
• /
• pp.3-11
• /
• 1984

The major findings of this investigation on radiographic works in 125 medical institutions around Seoul and Kyung-Ki area, from March 1983 to February 1984, are summarized as follows. 1. The number of references provided on radiographic techniques were 3 to 5 in general hospitals (52.1%), in hospitals (58.5%), and clinics (44.5%), and only the 10.4% of general hospitals had 11 or more. 2. The relatively high percentages of 75.0% of general hospitals and 68.3% of hospitals have established the standardized radiographic methods for regions examined, but most clinics (61.1%) have not. 3. As a log system for the radiographic request, the method of "routine study, or all the x-ray examinations are marked as 0 on a printed form" was most commonly used by general hospitals (62.5%) and hospitals (51.2%), and "the doctors employ their own methods" in most clinics (44.6%). 4. In the 85.4% of general hospitals, the 68.3% of hospitals and the 38.9% of clinics, the data such as diagnosis, clinic history, purpose of x-ray examination were recorded on a radiographic request at all times, or at least in part. 5. On a scale of hardness and easiness of order of doctors, the greatest response was "fairly easy to understand", and the 37.5% of general hospitals responded as "sometimes hard". 6. In determining the standards for radiographic factors, the general hospitals (62.5%) and hospitals (65.9%) adapted mostly "a departmental check list", and the clinics (61.1%) used mainly "a personal decision". 7. In using the immobilizing devices, angligner, and radiographic accessories, the Percentages were high in general hospitals and hospitals on the one hand, and were low in clinics on the other. 8. A consideration with regard to the devices for an improvement of examination of the same patients was totally ignored by the 50.0% of clinics, the 26.8% of hospitals and the 20.8% of general hospitals. 9. The causes of re-examination were due largely to patients (33.6%), and followed proportionately by incorrect exposure (22.8%), errors in positioning (22.0%), film processing faults (9.2%), conditions of x-ray equipments (8.8%), and quality of x-ray films (3.6%). 10. The conference on radiography was conducted regularly or irregularly by the 87.5% of general hospitals, the 56.1% of hospitals, and the 27.7% of clinics, and the meeting was proceeded only by radiologic technologists.

• 정보처리학회논문지B
• /
• 제15B권2호
• /
• pp.137-146
• /
• 2008

결함 지역화는 관찰된 결함의 근본 원인을 자동 인식 하는 것이 가능하기 때문에 규모가 큰 분산시스템에서 중요 역할 수행하며 시스템의 신뢰성 개선을 위해 시스템의 관리와 제어가 가능한 자가 관리를 지원한다. 결함 지역화를 지원하는 기존 연구들은 유비쿼터스 환경에서 베이지안 네트워크와 같은 인공지능 기술들을 주로 사용하여 진단과 예측 기능 중 하나만을 고려하고 있다. 따라서, 본 논문에서는 시스템의 신뢰성 개선을 위해 실시간 시스템 성능 스트림에 대한 학습을 통해 자가관리를 위한 확률적 의존 분석을 기반으로 하는 결함 지역화 방법을 제안하여 진단과 예측기능을 동시 제공한다. 학습 방법으로 베이지안 네트워크 알고리즘을 사용하여 각종 관련된 요소들을 연결함으로써 네트워크를 생성하고 확률적 의존 관계를 통해 귀납적과 연역적 추론기능을 제공한다. 베이지안 네트워크의 구성은 노드들간의 연관성을 찾아내는 것이 중요하기 때문에 그것을 구성하는 인자의 개수가 많은 경우 노드 순서 리스트를 추출하는 사전처리 과정이 필요하다. 따라서 전체 모델링 프로세스에 대한 개선이 요구된다. 이러한 문제를 해결하기 위해 발생한 문제와 관련성이 높은 노드 순서 리스트를 추출하는 방법을 제공한다. 구조 학습을 지원 하는 사전처리 방법을 통해 다양한 문제 영역에서의 학습 효율성을 높이며 학습에 필요로 되는 시간을 줄인다. 제안 방법론을 통해서 시스템의 자원 문제를 신속하고 정확하게 진단하는 것이 가능하며, 관찰된 정보를 기반으로 실행 중에 발생되는 잠재적인 문제를 예측하는 것이 가능하다. 시스템 성능 평가 영역에서 제안 방법론을 적용한 시스템 성능 분석을 기반으로 진단, 예측의 효율성과 정확성을 평가하여 제안 방법론의 유효성을 입증하였다.