• 한국시뮬레이션학회논문지
• /
• 제31권1호
• /
• pp.29-41
• /
• 2022

이상기후로 인한 불안정한 식량 수급을 해결하기 위한 대안 중 하나로 식물공장의 필요성이 증대되고 있다. 식물공장 내 기류는 재배작물의 증산작용과 열교환에 중요한 인자 중 하나로 인식되고 있다. 한편, 디지털트윈(Digital Twin: DT)은 실체계를 가상세계에 복제한 것으로 실체계만으로 불가능한 다양한 서비스를 제공하는 수단으로 주목받고 있다. 본 연구에서는 디지털트윈 개념을 실제 운용중인 식물공장 기류해석에 적용하여 다양한 상황에 기류를 예측할 수 있는 기류 예측 DT 모델 개발을 목표로 하였다. 이를 위해 먼저 기류 해석용 디지털트윈 수학적 형식론을 제시하고, 이를 기반으로 실제 운용중인 식물공장의 기류예측 모델링에 필요한 정보들을 명세한다. 이어서 식물공장 내 형상을 CAD로 구현하고 유동해석을 위한 전산유체역학(CFD) 구성요소들을 결합하여 DT 모델을 개발하였다. 마지막으로 DT 모델의 시뮬레이션 해석 결과를 식물공장에서 수집한 실제 기류값과 비교하는 모델의 실증 및 기계학습 기반 보정을 통해 정확도가 높은 기류 예측용 DT 모델을 완성하였다.

• 한국정보통신학회논문지
• /
• 제26권2호
• /
• pp.199-206
• /
• 2022

제품을 생산하는 설비의 고장이나 이상 현상은 곧 제품의 결함 및 생산라인 가동 중단으로 이어져 제조 업체의 막대한 경제적 손실의 원인이 된다. 스마트팩토리 서비스의 확산으로 공장에서 많은 양의 데이터가 수집됨에 따라, 이를 활용하여 제조 현장의 효율이나 제조 설비의 고장 예측 및 진단을 위한 인공지능 기반의 연구가 활발히 이어지고 있다. 하지만 정상과 이상을 구분 짓는 레이블 정보가 명확하지 않고 이상에 대한 극심한 클래스 불균형을 가지는 제조 데이터의 특징으로 인하여 분류 모델이나 이상탐지 모델의 개발에는 큰 어려움이 존재한다. 본 논문에서는 딥러닝 모델의 재구성 손실값을 이용하여 제조 설비의 이상탐지를 위한 딥러닝 알고리즘을 제안하고 성능을 분석하였다. 해당 알고리즘은 이상 데이터를 제외한 설비의 제조 데이터, 즉 정상 데이터에만 의존하여 이상을 감지한다.

• 응용통계연구
• /
• 제34권1호
• /
• pp.99-114
• /
• 2021

반도체 제조 산업에서는 Big Data에 기초한 Smart Factory 도입과 적용이 가시화되면서 생산 공정의 각 단계에서 수집 가능한 다양한 센서(sensor) 데이터를 활용하여 공정 이상 탐지 및 최종 수율 예측 등에 다양한 분석 방법을 시도하고 있다. 현재 반도체 공정은 원료인 잉곳(ingot)에서 패키징(packaging) 작업 이전의 웨이퍼(wafer) 생산까지 500 600개 이상의 세부 공정과 이와 연계된 수천 개의 계측 공정으로 구성된다. 개별 계측 공정 내의 실제 계측 비율은 대상 제품 대비 0.1%에서 최대 5%를 넘지 못하고 계측 시점별로 일정하게 유지할 수 없다. 이러한 이유로 공정 각 단계의 정상 상태를 간접적으로 판단할 수 있는 장비 센서(sensor) 데이터를 활용하여 관리 여부를 판단하고자 하는 노력이 계속되고 있다. 본 연구에서는 장비 센서 데이터 기반의 공정 이상 탐지 프로세스를 정의하고 현재 적용 되고 있는 기술 통계량 기반 진단 방법의 단점을 보완하기 위해 FDA(Functional Data Analysis)방법을 활용하였다. 실제 현장 사례 데이터에 머신러닝을 이용하여 이상 탐지 정확도 비교를 통해 효과성을 검증하였다.

• International journal of advanced smart convergence
• /
• 제12권1호
• /
• pp.92-100
• /
• 2023

Wireless communication technology is becoming increasingly prevalent in smart factories, but the rise in the number of wireless devices can lead to interference in the ISM band and obstacles like metal blocks within the factory can weaken communication signals, creating radio shadow areas that impede information exchange. Consequently, accurately determining the radio communication coverage range is crucial. To address this issue, a Radio Environment Map (REM) can be used to provide information about the radio environment in a specific area. In this paper, a technique for estimating an indoor REM usinga mobile robot and machine learning methods is introduced. The mobile robot first collects and processes data, including the Received Signal Strength Indicator (RSSI) and location estimation. This data is then used to implement the REM through machine learning regression algorithms such as Extra Tree Regressor, Random Forest Regressor, and Decision Tree Regressor. Furthermore, the numerical and visual performance of REM for each model can be assessed in terms of R2 and Root Mean Square Error (RMSE).

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2017년도 제56차 하계학술대회논문집 25권2호
• /
• pp.17-18
• /
• 2017

본 논문은 스마트 팩토리의 중요 요소인 무인반송차(AGV)를 자율 주행시키기 위해 오픈 소스 자율 주행차 시뮬레이터인 udacity를 이용해 머신 러닝시키는 시스템을 개발하였다. 공장의 운행 루트를 자율주행 시뮬레이터의 전경으로 가공하고, 3개의 카메라를 부착시킨 AGV를 운행시키면서 머신 러닝시킨다. AGV를 주행하여 얻어진 여러 학습 데이터를 통해 도출된 결과들을 각각 비교하여 우수한 모델을 선정하고 운행시킨 결과 AGV가 정해진 운행 루트를 정확하게 주행하는 것을 확인하였다. 이를 통해, 가상 운행 환경에서 저비용으로 AGV 운행 학습이 가능하다는 것을 보였다.

• 한국산업융합학회 논문집
• /
• 제22권4호
• /
• pp.415-425
• /
• 2019

This study proposes a new approach to control Moving Stuff Action Through Iterative Learning robot with dual arm for smart factory. When robot moves object with dual arm, not only position of each hand but also contact force at surface of an object should be considered. However, it is not easy to determine every parameters for planning trajectory of the an object and grasping object concerning about variety compliant environment. On the other hand, human knows how to move an object gracefully by using eyes and feel of hands which means that robot could learn position and force from human demonstration so that robot can use learned task at variety case. This paper suggest a way how to learn dynamic equation which concern about both of position and path.

• 한국정보통신학회논문지
• /
• 제26권3호
• /
• pp.479-482
• /
• 2022

Recently, various artificial intelligence technologies are being applied to smart factory, finance, healthcare, and so on. When handling data requiring protection of privacy, distributed learning techniques are used. For distribution of information with privacy protection, encoding private information is required. Minimal codes has been used in such a secret-sharing scheme. In this paper, we explain the relationship between the characteristics of the minimal codes for application in distributed systems. We briefly deals with previously known construction methods, and presents extension methods for minimal codes. The new codes provide flexibility in distribution of private information. Furthermore, we discuss application scenarios for the extended codes.

• 한국실천공학교육학회논문지
• /
• 제2권2호
• /
• pp.10-15
• /
• 2010

산업체가 필요로 하는 인력의 양성을 위하여 대학에서는 공학교육의 질을 향상시키는 다양한 노력이 이뤄지고 있다. 유공압기초실습은 그러한 노력의 일환인 공학교육 인증과목으로, 자동화가 요구되는 모든 산업 분야에서 폭넓게 사용되고 있는 공압기기의 구성과 원리를 이해하고, 전기시퀀스회로의 프로그래밍과 공압시스템의 응용 설계능력 배양을 교과목 목표로 하고 있다. 본 교과목은 주당 3시간의 수업을 통하여 이론과 실습을 병행해야 하는데 실제 학생들에게 많은 내용을 전달하기에는 시간적인 여유가 절대적으로 부족하다. 이로 인하여 단편적인 전문지식 전달 강의로 진행 될 수밖에 없으며 산업체와 연계된 교육 또한 어려운 실정이다. 본 논문에서는 이에 대한 해결방법으로 E러닝을 통한 보완학습을 제시하고 있다. 한 학기 동안 유공압기초실습교과목의 오프라인 수업과 E러닝을 병행하고, 수업에 참여한 학생들을 대상으로 설문을 실시하여 보완학습에 대한 효과를 분석하였다. 그리고 추후 필요한 연구에 대해서도 제시하였다.

• 실천공학교육논문지
• /
• 제8권2호
• /
• pp.83-89
• /
• 2016

플립러닝은 공학적 원리 등 이론적 측면에 대한 개인 학습차가 있더라도 학습자 중심의 실제 문제해결 및 실습 등을 가능하게 하는 틀로서 공학교육의 심화 정도에 따라 효과적인 교수-학습을 가능하게 한다. 유공압기초실습은 공과대학 기계계열 교과과정에서 1학년 학생들이 처음 접하게 되는 실습 교과목으로 공압기기의 작동원리를 이해하고 자동화의 근간이 되는 전기시퀀스를 포함하는 여러 가지 기본회로를 실습을 통하여 익힘을 목적으로 한다. 본 과목은 전공과목의 입문에 해당하고 학생들은 전공에 대한 지식이 전무한 상태이므로 관련 전공지식을 모두 설명해야 하고, 또 실습에 필요한 지식도 설명해야 하므로 기존의 오프라인으로만 이루어지던 수업에서는 학생들이 실습할 시간이 턱없이 부족한 문제점이 있었다. 본 연구에서는 공학 전공 기초실습 교과목인 '유공압기초실습' 교과목의 효과적인 수업을 위해 '코리아텍(KOREATECH:한국기술교육대학교) 플립러닝 기본모형'에 따라 교수설계를 하여 플립러닝 교과목으로 개발하였고, 이를 사용하여 한 학기동안 수업을 실시한 후 수강생의 설문조사와 취득성적 등을 통해 플립러닝 교육의 효과를 분석하였다.

• 대한기계학회논문집A
• /
• 제41권6호
• /
• pp.517-524
• /
• 2017

스마트 팩토리 시대가 열리면서 발전 플랜트에서 발생하는 빅데이터를 활용한 설비 유지 보수 방법론이 부각되고 있다. 본 연구에서는 데이터 기반 방법론의 효과적인 적용과 발전 플랜트 실시간 성능 모니터링을 위해 사물인터넷 기반 클라우드 플랫폼을 제안한다. Short-term Analysis에서는 사물인터넷 센서를 이용하여 학습된 건전성 인자와 패턴 비교를 통해 설비의 상태 진단과 결과 전송을 목적으로 한다. Long-term Analysis는 취합된 고차원 데이터를 활용하여 설비간 관계 파악과 인과관계 확인을 통한 트렌드 분석을 목적으로 한다. 분석 및 진단 결과는 클라우드 플랫폼의 웹 기반 시스템을 통해 시각화하여 사용자의 접근성을 향상시켜 장소나 접속 기기에 상관없이 데이터를 확인할 수 있도록 한다. 개발된 플랫폼의 성능 검증은 회전기계류 테스트베드로 진행한다.