• 한국항행학회논문지
• /
• 제27권1호
• /
• pp.111-118
• /
• 2023

스마트팩토리의 구축을 위해서는 제조환경에서 여러 센서 및 기기 등을 연결하여 데이터를 수집하고, 데이터 분석을 통해 생산설비 등의 장애를 진단하거나 예측하여야 한다. 본 논문에서는 공작기계에서 제품을 가공하기 위해 사용되는 절삭용 인서트의 잔여 유효 수명을 예측하기 위해 진동 신호를 기반으로 한 가중화 k-최근접이웃(Weighted k-NN) 알고리즘, 의사결정나무(Decision Tree), 서포트벡터회귀(SVM), XGBoost, 랜덤포레스트(Random forest), 1차원 합성곱신경망(1D-CNN), 그리고 진동 신호를 FFT한 주파수 스펙트럼에 대해 알아보았다. 연구결과, 주파수 스펙트럼으로는 잔여 유효수명의 정확한 예측에 대해서는 신빙성있는 기준을 제공하지 못한다는 것을 알수 있었고, 예측 모델 중 가중화 k-최근접이웃 알고리즘이 MAE가 0.0013, MSE가 0.004, RMSE가 0.0192로 가장 우수한 성능을 나타내었다. 이는 가중화 k-최근접이웃 알고리즘에 의해 예측되는 인서트의 잔여 유효 수명의 오차가 0.001초 수준으로 평가되어, 실제 산업현장에 적용이 가능한 수준으로 사료된다.

• 디지털콘텐츠학회 논문지
• /
• 제19권4호
• /
• pp.789-799
• /
• 2018

이 논문에서는 이러한 산업 단지 시스템에서의 비정상적인 동작이 일어날 때, 시간 계열의 데이터를 분석하기 위하여 Big 데이터를 이용한 접근을 기반으로 하는 머신 러닝을 보여줍니다. Long Short-Term Memory (LSTM) 네트워크는 향상된 RNN버전으로서 입증되었으며 많은 작업에 유용한 도움이 되었습니다. 이 LSTM 기반 모델은 시간적 패턴뿐만 아니라 더 높은 레벨의 시간적 특징을 학습 한 다음, 미래의 데이터를 예측하기 위해 예측 단계에 사용됩니다. 예측 오차는 예측 인자에 의해 예측 된 결과와 실제 예상되는 값의 차이입니다. 오차 분포 추정 모델은 가우스 분포를 사용하여 관찰 스코어의 이상을 계산합니다. 이러한 방식으로, 우리는 하나의 비정상적 데이터의 개념에서 집단적인 비정상적 데이터 개념으로 바뀌어 갑니다. 이 작업은 실패를 최소화하고 제조품질을 향상시키는 Smart Factory의 모니터링 및 관리를 지원할 수 있습니다.

• 한국산업융합학회 논문집
• /
• 제21권1호
• /
• pp.17-27
• /
• 2018

We propose a new approach to control a biped robot motion based on iterative learning of voice command for the implementation of smart factory. The real-time processing of speech signal is very important for high-speed and precise automatic voice recognition technology. Recently, voice recognition is being used for intelligent robot control, artificial life, wireless communication and IoT application. In order to extract valuable information from the speech signal, make decisions on the process, and obtain results, the data needs to be manipulated and analyzed. Basic method used for extracting the features of the voice signal is to find the Mel frequency cepstral coefficients. Mel-frequency cepstral coefficients are the coefficients that collectively represent the short-term power spectrum of a sound, based on a linear cosine transform of a log power spectrum on a nonlinear mel scale of frequency. The reliability of voice command to control of the biped robot's motion is illustrated by computer simulation and experiment for biped walking robot with 24 joint.

• International Journal of Internet, Broadcasting and Communication
• /
• 제13권4호
• /
• pp.121-128
• /
• 2021

In order to design a real time big data collection and analysis system of manufacturing data in a smart factory, it is important to establish an appropriate wired/wireless communication system and protocol. This paper introduces the latest communication protocol, OPC-UA (Open Platform Communication Unified Architecture) based client/server function, applied user interface technology to configure a network for real-time data collection through IoT Integration. Then, Database is designed in MES (Manufacturing Execution System) based on the analysis table that reflects the user's requirements among the data extracted from the new cutting process automation process, bush inner diameter indentation measurement system and tool monitoring/inspection system. In summary, big data analysis system introduced in this paper performs SPC (statistical Process Control) analysis and visualization analysis with interface of OPC-UA-based wired/wireless communication. Through AI learning modeling with XGBoost (eXtream Gradient Boosting) and LR (Linear Regression) algorithm, quality and visualization analysis is carried out the storage and connection to the cloud.

• 산업기술연구
• /
• 제39권1호
• /
• pp.27-31
• /
• 2019

Semiconductor logistics systems are facing difficulties in increasing production as production processes become more complicated due to the upgrading of fine processes. Therefore, the purpose of the research is to design predictive models that can predict traffic during the pre-planning stage, identify the risk zones that occur during the production process, and prevent them in advance. As a solution, we build FABs using automode simulation to collect data. Then, the traffic prediction model of the areas of interest is constructed using deep learning techniques (keras - multistory conceptron structure). The design of the predictive model gave an estimate of the traffic in the area of interest with an accuracy of about 87%. The expected effect can be used as an indicator for making decisions by proactively identifying congestion risk areas during the Fab Design or Factory Expansion Planning stage, as the maximum traffic per section is predicted.

• 전기전자학회논문지
• /
• 제24권4호
• /
• pp.1148-1155
• /
• 2020

Fire must be extinguished as quickly as possible because they cause a lot of economic loss and take away precious human lives. Especially, the detection of smoke, which tends to be found first in fire, is of great importance. Smoke detection based on image has many difficulties in algorithm research due to the irregular shape of smoke. In this study, we introduce a new real-time smoke detection algorithm that reduces the detection of false positives generated by irregular smoke shape based on faster r-cnn of factory-installed surveillance cameras. First, we compute the global frame similarity and mean squared error (MSE) to detect the movement of smoke from the input surveillance camera. Second, we use deep learning algorithm (Faster r-cnn) to extract deferred candidate regions. Third, the extracted candidate areas for acting are finally determined using space and temporal features as smoke area. In this study, we proposed a new algorithm using the space and temporal features of global and local frames, which are well-proposed object information, to reduce false positives based on deep learning techniques. The experimental results confirmed that the proposed algorithm has excellent performance by reducing false positives of about 99.0% while maintaining smoke detection performance.

• 실천공학교육논문지
• /
• 제12권1호
• /
• pp.117-125
• /
• 2020

중소·중견기업을 대상으로 하는 정부의 스마트 팩토리 추진 사업에 따라서 전국에 10,000개 이상의 지능형 공장이 구축 완료 또는 구축 예정으로 되어 있고 정부주도로 2022년까지 10만명의 전문 인력 육성을 목표로 하고 있다. 스마트 팩토리는 자동화된 제조현장에 효율적 자원관리 체계와 ICT 기술이 융합되는 형태로 각 지방 정부와 일부 대학, 공공단체 소속 훈련기관등이 중심이 되어 공급자 입장에서 수많은 종류의 교육훈련 과정을 소개하고 있으나 산업계 직업훈련의 표준이라고 할 수 있는 NCS와는 연계성이 부족한 상태로 그 방향성과 적정성은 재고의 여지가 있어 보인다. K 대학의 일학습병행제에 참여 중인 수도권과 충남권 학습기업을 대상으로 스마트 팩토리 도입 희망 여부와 수요를 파악하고 직무 매칭을 통하여 기업 내에서 스마트 팩토리 기술 도입의 창구 역할을 하게 될 실무자를 정의하여 커리어 패스를 감안한 육성목표를 설정하고 스마트 팩토리를 도입 및 운영에 적정한 훈련 필수능력단위와 선택능력단위의 수준, 훈련 시간을 포함하는 NCS 기반 자격 설계 안을 제시하고자 한다.

• 한국정보통신학회논문지
• /
• 제21권11호
• /
• pp.2037-2042
• /
• 2017

스마트 공장은 미리 입력된 프로그램에 의해 생산시설이 수동적으로 움직이는 공장 자동화 작업 방식과는 달리, 생산 설비 스스로 작업 방식을 결정하여야 한다. 생산 설비 스스로 작업 방식을 결정이라 함은, 이를테면 제조 현장에서 설비의 노후, 문제 발생 예측, 제품의 불량 검출 등과 같은 이상 징후가 발생할 시 이를 조기에 발견한 후 스스로 문제를 해결하는 것을 의미한다. 본 논문에서는 제조 현장의 제조 공정 이상 징후 감지를 위해 대기행렬을 이용한 제조 공정 모델링을 제시하고 해당 모델링에서 이상 징후를 기계학습 기술 중 하나인 SVM을 이용하여 이를 감지하도록 한다. 해당 대기행렬을 M/D/1을 사용하였으며, ${\mu}$, ${\lambda}$, ${\rho}$를 기반으로 컨베이어 벨트 제조 시스템을 모델링하였다. SVM을 이용하여 ${\rho}$의 변화량을 통해 이상 징후를 감지했다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권8호
• /
• pp.2993-3010
• /
• 2021

The job shop scheduling problem (JSSP) plays a critical role in smart manufacturing, an effective JSSP scheduler could save time cost and increase productivity. Conventional methods are very time-consumption and cannot deal with complicated JSSP instances as it uses one optimal algorithm to solve JSSP. This paper proposes an effective scheduler based on deep learning technology named self-supervised long-short term memory (SS-LSTM) to handle complex JSSP accurately. First, using the optimal method to generate sufficient training samples in small-scale JSSP. SS-LSTM is then applied to extract rich feature representations from generated training samples and decide the next action. In the proposed SS-LSTM, two channels are employed to reflect the full production statues. Specifically, the detailed-level channel records 18 detailed product information while the system-level channel reflects the type of whole system states identified by the k-means algorithm. Moreover, adopting a self-supervised mechanism with LSTM autoencoder to keep high feature extraction capacity simultaneously ensuring the reliable feature representative ability. The authors implemented, trained, and compared the proposed method with the other leading learning-based methods on some complicated JSSP instances. The experimental results have confirmed the effectiveness and priority of the proposed method for solving complex JSSP instances in terms of make-span.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.290-291
• /
• 2021

플라스틱 소재 자동차 부품의 도장 공정에서 불량은 다양한 원인과 현상으로 기인하는데, 온도, 습도, 미세먼지 등 기상환경 조건의 변화에 따라 불량률이 변화하는 연관성을 분석하였다. 실제 도장업체에서 1년 동안 수집한 종류별, 원인별 불량률과 기상환경의 상관성을 머신러닝 기법에 의해 학습하고 시험하여 특정의 기상환경에서 불량률을 예측하였다. 그 결과 실먼지로 인한 불량은 98%, 흐름에 대한 불량은 90%의 불량을 예측하여 모델의 성능을 입증하였다.