• 산업경영시스템학회지
• /
• 제44권4호
• /
• pp.208-219
• /
• 2021

In the era of the 4th industrial revolution driven by the convergence of ICT(information and communication technology) and manufacturing, research on smart factories is being actively conducted. In particular, the manufacturing industry prefers smart factories that autonomously connect and analyze data. For the efficient implementation of smart factories, it is essential to have an integrated production system that vertically integrates separately operated production equipment and heterogeneous S/W systems such as ERP, MES. In addition, it is necessary to double-verify production data by using automatic data collection technology so that the production process can be traced transparently. In this study, we want to show a case of data-centered integration of a large aircraft parts processing factory that requires high precision, takes a long time, and has the characteristics of processing large raw materials. For this, the components of the data-oriented integrated production system were identified and the connection structure between them was explained. And we would like to share the experience gained through the design and implementation case. The integrated production system proposed in this study integrates internal components based on data, which is expected to serve as a basis for SMEs to develop into an advanced stage, and traces materials with RFID technology.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.33-40
• /
• 2022

본 연구는 판넬형 공장 지붕의 드론 촬영 이미지를 분석해 볼트의 이상 탐지를 수행하는 시스템을 제안한다. 지붕의 점검은 현재 점검자가 직접 지붕 위로 올라가 점검을 진행한다. 하지만 고소 작업 환경으로 인한 안전사고가 지속해서 발생하고 있어 새로운 대안이 필요하다. 이에, 최근 위험 환경의 점검 방안의 대안으로 대두되는 드론 촬영의 결과물을 딥러닝을 이용해 이상 볼트의 위치를 찾아내는 방안을 통해 손쉽게 점검할 수 있도록 한다. 본 연구에서 제안하고 있는 시스템은 촬영된 드론 이미지를 볼트캡이 풀려있는 상황에 대한 샘플 이미지를 사용해 스캐닝을 진행한다. 더 나아가 스캔 된 위치에 대해 AI를 사용해 판별해 정확하게 볼트 이상 여부를 판별한다. 본 연구에서 사용한 AI는 VGGNet 기반으로 정확도 99%의 테스트 결과를 보였다.

• 실천공학교육논문지
• /
• 제12권1호
• /
• pp.1-10
• /
• 2020

공압제어회로는 4차 산업혁명 시대에 공장 자동화를 구성하는 중요한 기본 요소이며 대학 수준에서 공압제어회로를 설계하고 제작하는 능력을 기르는 것은 매우 중요한 교육과정 중의 하나이다. 본 연구에서는 공압제어회로의 설계 및 제작 과목에 캡스톤 디자인 방법을 적용하기 위해 모둠별 협동학습을 도입하였다. 또한, 학생들의 학습 성취도를 살펴봄으로써 향후 이 결과를 바탕으로 실천공학 교육의 혁신에 기여 하고자 하였다. 공압제어회로 설계 및 제작에서 실험집단에는 모둠별 협동학습을 적용하고 비교집단은 전통적 강의법을 적용하여 해석 능력의 차이를 검정하였다. 모둠별 협동학습을 수행한 실험집단이 전통적인 강의로만 진행된 비교집단보다 학업 능력이 높게 나타났고 유의수준 p<0.05의 t-검정 결과에서도 두 집단간에 유의미한 차이가 있음을 확인하였다. 실험집단에는 13개의 설문조사 문항을 4개의 모둠별로 응답하게 하고 그 결과를 분석하였는데, 전체 평균 4.731의 높은 만족도를 나타내었다. 본 연구를 통하여 공압제어회로의 설계 및 제작 교과목은 통상적인 과목으로 운영할 때 보다 캡스톤 디자인 기법을 적용했을 때 학생들의 학습 성취도 향상에 매우 효과적이라는 결론을 얻었으며 향후 캡스톤 디자인의 교육과정 개발에 기초 자료로 활용될 수 있을 것으로 기대된다.

• 공학교육연구
• /
• 제3권2호
• /
• pp.3-13
• /
• 2000

본 연구는 컴퓨터 지원하의 품질경영(CAQC)교육에 있어서 발생되는 문제점을 분석하여 정리하고, 사례로서 히스토그램을 중심으로 한 학습모델을 개발하였다. 연구의 범위는 일반적으로 널리 통용되고 있는 히스토그램의 작성방법을 MS-엑셀을 활용하여 계산할 경우에 개선되어야할 문제점과 추가되어야 할 이론을 상호연관성 하에서 단계적으로 진행되도록 한 체계화이다. 히스토그램은 추출한 표본의 분포 형태로부터 모집단을 파악하자는 이론이므로 모집단의 분포의 형태를 추정해내기 위한 방법들을 실험과 실습을 통하여 대안을 제시했다. 히스토그램의 활용성을 확대시켜서 생산현장에서 응용할 수 있도록 정규성 검정에 관한 방법, 공정능력지수의 적용기준, PPM기법의 확률계산 등의 이론을 상호보완적으로 연관시켜 추가하였다. 불량원인을 신속하고 정확하게 찾아서 개선하고 관리하는 방법의 도구로서 히스토그램 본래의 목적에 잘 부합될 수 있도록 CAQC교육의 학습모델을 제안한다.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.47-52
• /
• 2021

최근 제조 산업에서 생산공정 관리에 대한 인공지능 솔루션 수요가 증가하고 있다. 그러나, 제조산업의 AI 솔루션 적용을 통하여 POP, MES와 같은 레거시 스마트공장 솔루션의 한계가 존재한다. 따라서, 본 논문에서는 이를 극복하기 위하여 이미지 인식 시스템에 인공지능 개념인 지도학습을 적용하여, 생산관리 효율을 향상시키고자 하였다. 시스템 흐름에서는 As_is To be를 구분하여 실제 업무 흐름을 적용하였으며, 전체 생산성 효율을 위하여 프로세스 개선을 하였다. AI 지도학습을 위한 사전 전처리 계획을 수립하고 관련 AI 모델 설계, 개발, 시뮬레이션을 수행하여, 그 결과로는 97%의 인식률을 확인하였다.

• 융합신호처리학회논문지
• /
• 제23권2호
• /
• pp.84-90
• /
• 2022

공작기계 상태 진단은 기계의 상태를 자동으로 감지하는 프로세스이다. 실제로 가공의 효율과 제조공정에서 제품의 품질은 공구 상태에 영향을 받으며 마모 및 파손된 공구는 공정 성능에 보다 심각한 문제를 일으키고 제품의 품질 저하를 일으킬 수 있다. 따라서 적절한 시기에 공구가 교체될 수 있도록 공구 마모 진행 및 공정 중 파손 방지 시스템 개발이 필요하다. 본 논문에서는 공구의 적절한 교체 시기 등을 진단하기 위해 딥러닝 기반의 계층적 컨볼루션 신경망을 이용하여 5가지 공구 상태를 진단하는 방법을 제안한다. 기계가 공작물을 절삭할 때 발생하는 1차원 음향 신호를 주파수 기반의 전력스펙트럼밀도 2차원 영상으로 변환하여 컨볼루션 신경망의 입력으로 사용한다. 학습 모델은 계층적 3단계를 거쳐 5가지 공구 상태를 진단한다. 제안한 방법은 기존의 방법과 비교하여 높은 정확도를 보였고, 실시간 연동을 통해 다양한 공작기계를 모니터링할 수 있는 스마트팩토리 고장 진단 시스템에 활용할 수 있을 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제28권11호
• /
• pp.43-52
• /
• 2023

고무생산업체에서 생산된 고무는 레오미터 측정을 통해 품질 적합성 검사가 이루어진 후, 자동차 부품을 위한 2차 가공으로 이어진다. 그러나 레오미터 검사는 인간에 의해 진행되고 있으며, 숙련된 작업자에게 매우 의존적이라는 단점이 존재한다. 이러한 문제점을 해결하기 위해 본 논문에서는 딥러닝 기반 레오미터 품질 검사 시스템을 제안한다. 제안된 시스템은 레오미터의 시간적, 공간적 특성을 활용하기 위해 LSTM과 CNN을 조합하였고, 각 고무의 배합재료를 보조(Auxiliary) 데이터 입력으로 사용해 하나의 모델에서 다양한 고무 제품의 품질 적합성 검사가 가능하도록 구현하였다. 제안된 기법은 30,000개의 데이터셋으로 그 성능을 학습 및 검사하였으며, 평균 f1-점수를 0.9942 달성하여 그 우수성을 증명하였다.

• 공학교육연구
• /
• 제18권3호
• /
• pp.46-58
• /
• 2015

고등학생의 공학적 소양 함양을 위해 대학의 인적 물적 인프라를 활용한 비정규 공학교육프로그램을 개발하여 그 적용 효과를 분석하였다. 스마트 농업 기술인 식물공장을 주제로 선정하여 공학설계 및 팀 내 팀 간 활동 중심의 공학 캠프 프로그램을 기획하여, 대학의 첨단 강의실을 이용하여 38명의 고등학생에게 적용하였다. 참가학생들은 생물공학, 정보통신공학, 에너지공학, 기계공학 및 건축공학 등 5가지 식물공장 요소 기술 중심으로 팀 내 활동과 팀 간 협력을 통해 '교정에 식물공장 세우기'라는 최종 미션을 수행하였다. 또한, 각 팀 활동은 8단계로 구성된 공학설계과정(문제와 필요 확인하기, 기준과 제한조건 확인하기, 가능한 해결책 찾기, 최선의 해결책 선택, 시작품 제작, 시험과 해결책 평가하기, 해결책에 대한 의사소통, 재설계 및 설계 수정하기)으로 진행되었다. 만족도를 설문조사를 통해 조사한 결과, 공학설계 내용에 대한 만족도는 5점 만점에 4.38점 이었고, 창의적 활동 및 탐구방법의 합리성/체계성에 대한 평균 만족도는 4.43점 이었다. 참가학생의 94%가 팀워크에 만족한다고 답변하였고, 대학(원)생들이 제공한 진로 멘토링 활동에 대해서도 참가학생의 92%가 만족하였다. 이러한 결과는 공학설계과정 및 팀 내 및 팀 간 협업을 기반한 공학 교육 프로그램은 참가 학생들의 창의성, 문제해결능력, 협동심, 의사소통 능력과 같은 공학적 소양을 함양하고 공학에 대한 관심을 높이는데 기여함을 시사한다.

• 한국컴퓨터정보학회논문지
• /
• 제25권4호
• /
• pp.165-172
• /
• 2020

본 연구에서는 현재 일반적인 스마트 팩토리에서 데이터 전송에 사용하는 중앙 집중형 시스템에서 발생하는 데이터를 중앙의 센터까지 전송, 처리할 때 발셍하는 전송 지연 등의 문제 해결을 위하여 필요한 곳에 연산과 저장 장치를 도입하는 분산 컴퓨팅 패러다임 (Distributed Computing Paradigm)인 온-디바이스 (On-Device) 기반 에지 컴퓨팅 (Edge Computing) 기술과 빅데이터 분석 기술 및 활용 방법의 연구를 통하여 설비 고장 등을 예지하여 가동율을 높일 수 있는 산업현장의 설비관리에 활용되는 솔루션을 제안한다. 그러나 에지 컴퓨팅 기반의 기술이 실제 적용되더라도 네트워크 에지에서 장치의 증가는 많은 양의 데이터가 데이터 센터로 전달되어 네트워크 대역이 한계치에 이르게 되어 네트워크 기술의 향상에도 데이터 센터는 수많은 응용에서 중요한 요건이 되는 수용 가능한 전송 속도와 응답 시간을 보장하지 못하게 된다. 이와 같은 요구조건을 수용할 수 있는 일체형 하드웨어 기술과 공장관리 및 제어 기술을 적용한 설비보존 및 스마트 팩토리 산업 분야에 적용할 수 있는 연구를 통하여 생산성 증대를 지원할 수 있는 지능적 설비관리를 지원하도록 하여 추후 빅데이터에 적합한 딥러닝을 적용할 수 있는 인공지능 기반 설비 예지 보전 분석 도구로 발전할 수 있는 기반을 제공한다.

• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.23-35
• /
• 2021

제4차 산업혁명 선언 이후 생산 제조 기술과 정보통신기술(ICT)이 융합된 스마트 팩토리가 큰 주목을 받고 사물인터넷(IoT) 기술 및 빅데이터 기술 등이 발전하면서 생산 시스템의 자동화가 가능해졌다. 고도화된 제조 산업에서 생산 시스템에는 예정되지 않은 성능 저하 및 가동 중지 발생 가능성이 존재하며, 가능한 한 빨리 잠재적인 오류를 감지하여 이를 복구해 안전 위험을 줄여나가야 한다는 요구가 있다. 본 연구는 유압 시스템에 부착된 다중 센서 데이터를 기반으로 장비의 고장 예측과 이상 발생 시점 예측을 결합하여 제조 설비 이상탐지를 위한 지도학습 및 비지도학습 모델을 설계한다. 지도학습 분석 방법으로 XGBoost, LightGBM, CNN 모델의 정확도를 비교하였다. 혼동행렬 기반의 평가지표를 통해 LightGBM의 예측력이 97%로 가장 우수한 것을 확인하였다. 또한 비지도 학습 분석 방법으로 MD, AE, LSTM-AE 모델을 구축하여 각 모델을 비교 분석한 결과 LSTM-AE 모델이 이상패턴을 75% 감지하여 가장 우수한 성능을 보였다. 본 연구는 지도학습과 비지도학습 기법을 종합하여 설비의 고장여부를 정확하게 진단하고 이상상황이 발생하는 시점을 예측함으로써 이상상황에 대한 선제대응을 할 수 있는 기반을 마련하여 스마트 팩토리 고도화에 기여하고자 한다.