• 대한인간공학회:학술대회논문집
• /
• 대한인간공학회 1997년도 추계학술대회논문집
• /
• pp.320-325
• /
• 1997

It is very diffcult to applied ergonomics data & experiments in industrial design. At the industrial design process attempted toadoption a egonomics. But sometimes easyto use ergonomics data and at other times very hard to adopted a element into a design process. Industrial design of the essence is a sensual act. As ergonomics data is to the hardware, sois the design sense to the software. The harmony are important to hardware & software of design process. New products demand to new form. Therefore, designer neglect to ergonomics experiments for user. Anyway, ergonomics experiments & data endlessly applied to more things year after year. This paper show improved computer front design with graphic, knobs size & control panel tilt angle.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.305-306
• /
• 2021

다양한 센싱 데이터를 수집하는 시스템은 복잡하게 구성되어 있다. 따라서 그 기능에 대한 검증을 수행하는 절차를 설계하는 것이 매우 중요하다. 이러한 환경에서 개발된 시스템의 통합 검증 프로세스를 설계하기 위해서, 본 논문에서는 다양한 센싱 데이터를 수집하는 시스템을 검증하는 절차에 대해 설계한다.

• 품질경영학회지
• /
• 제51권1호
• /
• pp.55-65
• /
• 2023

Purpose: The purpose of this study is to propose an optimization process to improve product yield in the process using process data. Recently, research for low-cost and high-efficiency production in the manufacturing process using machine learning or deep learning has continued. Therefore, this study derives major variables that affect product defects in the manufacturing process using eXplainable Artificial Intelligence(XAI) method. After that, the optimal range of the variables is presented to propose a methodology for improving product yield. Methods: This study is conducted using the injection molding machine AI dataset released on the Korea AI Manufacturing Platform(KAMP) organized by KAIST. Using the XAI-based SHAP method, major variables affecting product defects are extracted from each process data. XGBoost and LightGBM were used as learning algorithms, 5-6 variables are extracted as the main process variables for the injection process. Subsequently, the optimal control range of each process variable is presented using the ICE method. Finally, the product yield improvement methodology of this study is proposed through a validation process using Test Data. Results: The results of this study are as follows. In the injection process data, it was confirmed that XGBoost had an improvement defect rate of 0.21% and LightGBM had an improvement defect rate of 0.29%, which were improved by 0.79%p and 0.71%p, respectively, compared to the existing defect rate of 1.00%. Conclusion: This study is a case study. A research methodology was proposed in the injection process, and it was confirmed that the product yield was improved through verification.

• 한국신뢰성학회:학술대회논문집
• /
• 한국신뢰성학회 2000년도 추계학술대회
• /
• pp.375-384
• /
• 2000

The main objective of this paper to purpose a evaluating methods of process capability measures for exponential distributed quality characteristics. For correctly evaluating process capability , the first thing , exponential data is applied the Lilliefors test statistic to the null hypothesis of nornality. The next, exponential parameters is estimated in terms of MLE , ME , MME and then evaluated , respectively , process capability index based on exponential curved (Ιe) proposed by in this study and process capability indices based on Pearson system and Johnson system.

• 대한산업공학회지
• /
• 제30권2호
• /
• pp.84-92
• /
• 2004

A process control procedure is proposed when 100% inspection is performed in a process with excellent capability. Only the incomplete measurement data is assumed to be available, i.e. the specific measurement value of the quality characteristic is not available for each item but it can be determined to be smaller or larger than any prescribed value. In the suggested model, a signal limit is introduced to determine whether the process under study is in control or not. If the quality characteristic of an incoming item exceeds the upper signal or the lower signal limit, the process is determined to be stopped or not by comparing the number of consecutively accepted items with a predetermined threshold number. The procedure is designed based on the type I and II errors. The performance of the model is evaluated by the expected number of items produced under the in-control and out-of-control states until the process is stopped.

• 전자공학회논문지 IE
• /
• 제47권4호
• /
• pp.18-27
• /
• 2010

본 논문은 회전체의 진동 데이터를 효율적으로 획득하기 위해 데이터 획득 시스템을 설계하였다. 데이터획득 장치는 필터와 증폭기로 구성한 아날로그 로직과 ADC와 DSP, FPGA, FIFO 메모리를 갖고 있는 디지털로직으로 구성하였다. 센서로부터 회전체의 진동신호는 아날로그 로직을 통과하여 FPGA에 의해 제어되고, 그 신호는 ADC를 통해 변환되고 FIFO 메모리에 저장하였다. 디지털 선호 처리는 FPGA 제어어의해서 FIFO 메모리에 들어온 데이터를 이용하여 DPS에서 신호처리를 수행할 수 있도록 구성하였다. 회전체 진동을 진단 및 분석하기 위한 진동 요소는 데이터 선호로서 실수 변환, Peak to Peak, 평균 값 산출, GAP, 디지털 필터, FFT 둥을 DSP에서 처리하고 설정된 이벤트를 추적하며, 그 결과 값을 도출하여 조기 경보 구축하였다 묘든 신호처리 과정 및 이벤트 추적은 여러 분석 단계 의해서 처리 시간이 소요되며, 특정 이벤트에 따라 처리 소요 시간에도 변동이 발생한다. 데이터 획득 및 처리는 연속적으로 실시간 분석을 수행해야 하지만, DSP에서는 입력된 신호를 처리하는 동안에 입력된 이후의 데이터에서 다음 입력처리 시간동안 획득한 데이터는 처리 될 수 없고, 특히 다수의 채널에서는 더 많은 데이터 손실이 일어날 수 있다. 따라서 본 논문에서는 데이터 손실이 적고 빠른 처리를 위하여 DPS와 FPGA을 효과적인 사용하였고, 이러한 여러 분석 단계 신호처리에서 발생되는 시간을 최소한으로 줄일 수 있는 방법으로 DSP에서 처리되는 신호단계 중 일부를 FPGA에서 처리할 수 있도록 설계 하였고 그리고 단일의 신호 처리에 의해 수행되는 분석 단계를 병렬 처리로 데이터를 실시간으로 처리하였다. 그 결과로 DSP 만으로 구성된 신호처리 보다 DSP와 FPGA로 구성된 시스템이 훨씬 빠르고 안정된 신호 처리 방법을 제시하였다.

• 전기전자학회논문지
• /
• 제19권2호
• /
• pp.168-175
• /
• 2015

본 논문은 잔상효과를 이용해서 동영상 표출이 가능한 회전형 LED 전광판을 위한 FPGA 설계 기법을 제안한다. 제안된 기법은 역감마 보정과 오차 확산 방식을 이용한 데이터 보정 과정, 블록 인터리빙 과정, 데이터 시리얼 출력 과정 등의 3가지 과정으로 구성된다. 역감마 보정과 오차 확산 방식을 이용한 데이터 보정 과정은 영상 데이터를 선형 휘도 특성으로 변환하기 위한 역감마 보정과 역감마 보정에 의해 발생하는 저계조 휘도 감소 현상을 줄이기 위해 오차 확산 방식을 이용한 영상 데이터를 보정하는 단계이다. 영상 데이터 블록 인터리빙 과정은 가로열로 입력되는 프레임의 데이터를 입력순서에 맞추어 저장한 후, 세로열에 해당하는 데이터만을 읽어내는 단계이다. 데이터 시리얼 출력 과정은 고속으로 회전하는 LED Bar에 표출해야 할 데이터를 전송하기 위해서 회전 위치에 해당하는 병렬 데이터를 시리얼로 변환하여 LED Driver IC에 전송하는 단계이다. 제안된 FPGA 설계 기법의 정확성을 평가하기 위해서 FPGA는 Xilinx 사의 Spartan 6 계열의 XC6SLX45-FG484를 사용하였고 설계 툴은 ISE 14.5를 사용하였다. 역감마 및 오차확산 보정작업에 대한 정확한 동작, 블록 메모리 인터리빙 동작, 영상 데이터의 시리얼화 동작 등에 대하여 목표로 한 설정값과 시뮬레이션 결과값이 일치함을 확인 할 수 있었다.

• 한국정보통신학회논문지
• /
• 제25권3호
• /
• pp.471-477
• /
• 2021

디스플레이 분야에 스마트 팩토리란 작업 자동화 뿐만 아니라 기존의 공정관리, 이동설비, 공정이상, 결함 분류 등에 AI/BIG DATA 기술을 이용한 보다 효율적인 디스플레이 제조를 의미한다. 과거 디스플레이 제조 과정에서 불량이 나오면 결함 분류, 공정 이상에 대한 대처가 시시각각 달랐기 때문에 이에 대한 많은 시간 소모가 발생했었다. 하지만 디스플레이 제조 분야는 고도화된 공정 장비를 이용해야 하고 불량 원인을 신속하게 파악해 수율을 올리는 것이 디스플레이 제조 산업의 경쟁력이다. 본 논문에는 스마트 팩토리 AI/BIG DATA 기술을 디스플레이 제조에 접목한 사례들에 대해 정리해 보고 기존 방법 대비 어떤 장점이 도출 되어질 수 있는지에 대해 처음으로 분석해 보고자 한다. 이를 통해 향후 AI/BIG DATA를 이용한 디스플레이 제조 분야에 보다 향상된 스마트 팩토리 개발을 위한 사전지식으로 활용하고자 한다.

• 한국한의학연구원논문집
• /
• 제12권2호통권17호
• /
• pp.85-92
• /
• 2006

Pulse is one of the basic diagnostic information of TKM(Traditional Korean Medicine). To quantify and standardize pulse diagnosis, we had collected an amount of clinical data from May 2005 by using newly developed pulse analyzer. But there were many noises in pulse wave according to measuring method, environment, operator and condition of patient. So some data can’t be included for analyzing diagnosis. To reduce noises from measuring pulse and to collect reliable pulse wave data, we made the process map of measuring method and applied six sigma project. With this we can improved the method of measuring pulse wave in collecting clinical data. The project follows a disciplined process of five macro phases: define, measure, analyze, improve and control (DMAIC). A process map and C-E diagram are used to identify process input and output variables. The major input variables are selected by using C&E matrix, and process map is developed by analyzing input variables. And the optimum process conditions are going to be controled to avoid in increasing loss of collecting pulse wave data.

• 산업경영시스템학회지
• /
• 제45권4호
• /
• pp.86-98
• /
• 2022

Recently, many studies have been conducted to improve quality by applying machine learning models to semiconductor manufacturing process data. However, in the semiconductor manufacturing process, the ratio of good products is much higher than that of defective products, so the problem of data imbalance is serious in terms of machine learning. In addition, since the number of features of data used in machine learning is very large, it is very important to perform machine learning by extracting only important features from among them to increase accuracy and utilization. This study proposes an anomaly detection methodology that can learn excellently despite data imbalance and high-dimensional characteristics of semiconductor process data. The anomaly detection methodology applies the LIME algorithm after applying the SMOTE method and the RFECV method. The proposed methodology analyzes the classification result of the anomaly classification model, detects the cause of the anomaly, and derives a semiconductor process requiring action. The proposed methodology confirmed applicability and feasibility through application of cases.