• 융합보안논문지
• /
• 제11권1호
• /
• pp.25-32
• /
• 2011

본 연구에서는 소프트웨어 제품을 개발하여 테스팅을 하는 과정에서 소프트웨어 관리자들이 소프트웨어 및 검사 도구에 효율적인 학습기법을 이용한 NHPP 소프트웨어 모형에 대하여 연구 하였다. 적용분포는 와이블 분포를 적용한 유한고장 NHPP에 기초하였다. 소프트웨어 오류 탐색 기법은 사전에 알지 못하지만 자동적으로 발견되는 에러를 고려한 영향요인과 사전 경험에 의하여 세밀하게 에러를 발견하기 위하여 테스팅 관리자가 설정해놓은 요인인 학습효과의 특성에 대한 문제를 비교 제시 하였다. 그 결과 학습요인이 자동 에러 탐색요인보다 큰 경우가 대체적으로 효율적인 모형임을 확인 할 수 있었다. 본 논문의 수치적인 예에서는 고장 간격 시간 자료를 적용하고 모수추정 방법은 최우추정법을 이용하고 추세분석을 통하여 자료의 효율성을 입증한 후 평균자승오차와 $R_{sq}$(결정계수)를 이용하여 효율적인 모형을 선택 비교하였다.

• 융합보안논문지
• /
• 제12권3호
• /
• pp.19-26
• /
• 2012

본 연구에서는 소프트웨어 제품을 개발하여 테스팅을 하는 과정에서 소프트웨어 관리자들이 소프트웨어 및 검사 도구에 효율적인 학습기법을 이용한 NHPP 소프트웨어 모형에 대하여 연구 하였다. 적용모형은 로그 형 위험함수 모형을 적용한 유한고장 NHPP에 기초하였다. 소프트웨어 오류 탐색 기법은 사전에 알지 못하지만 자동적으로 발견되는 에러를 고려한 자동에러탐색요인과 사전 경험에 의하여 세밀하게 에러를 발견하기 위하여 테스팅 관리자가 설정해놓은 요인인 학습효과의 특성에 대한 문제를 비교 제시 하였다. 그 결과 학습요인이 자동 에러 탐색요인보다 큰 경우가 대체적으로 효율적인 모형임을 확인 할 수 있었다. 본 논문의 소프트웨어 고장 자료 분석에서는 고장 간격 시간 자료를 적용하고 모수추정 방법은 최우추정 법을 이용하고 추세분석을 통하여 자료의 효율성을 입증한 후 평균제곱오차와 $R^2$(결정계수)를 이용하여 효율적인 모형을 선택 비교하였다.

• 품질경영학회지
• /
• 제49권4호
• /
• pp.581-594
• /
• 2021

Purpose: The purpose of this study is to compare machine learning models for anomaly detection of mechanical facility equipment and suggest an anomaly detection system for mechanical facility equipment in subway stations. It helps to predict failures and plan the maintenance of facility. Ultimately it aims to improve the quality of facility equipment. Methods: The data collected from Daejeon Metropolitan Rapid Transit Corporation was used in this experiment. The experiment was performed using Python, Scikit-learn, tensorflow 2.0 for preprocessing and machine learning. Also it was conducted in two failure states of the equipment. We compared and analyzed five unsupervised machine learning models focused on model Long Short-Term Memory Variational Autoencoder(LSTM-VAE). Results: In both experiments, change in vibration and current data was observed when there is a defect. When the rotating body failure was happened, the magnitude of vibration has increased but current has decreased. In situation of axis alignment failure, both of vibration and current have increased. In addition, model LSTM-VAE showed superior accuracy than the other four base-line models. Conclusion: According to the results, model LSTM-VAE showed outstanding performance with more than 97% of accuracy in the experiments. Thus, the quality of mechanical facility equipment will be improved if the proposed anomaly detection system is established with this model used.

• KNOM Review
• /
• 제24권1호
• /
• pp.13-19
• /
• 2021

최근 산업 분야에서는 공장 자동화 뿐만 아니라 장애 진단/예측을 통해 고장/사고를 사전에 방지하여 생산량을 극대화하기 위한 연구가 진행되고 있으며, 이를 구성하기 위해 많은 양의 데이터 축적을 위한 클라우드 기술, 데이터 처리를 위한 빅 데이터 기술, 그리고 데이터 분석을 쉽게 진행하기 위한 AI(Artificial Intelligence)기술이 도입되고 있다. 또한 최근에는 장애 진단/예측의 발전으로 인해 설비 유지보수(PM: Productive Maintenance) 방식도 정기적으로 설비를 유지보수 하는 방식인 TBM(Time Based Maintenance)에서 설비 상태에 따라 유지보수 하는 방식인 CBM(Condition Based Maintenance)을 조합하는 방식으로 발전하고 있다. CBM 기반 유지보수를 수행하기 위하여 설비의 상태(condition)의 정의와 분석이 필요하다. 따라서 본 논문에서는 머신 러닝(Machine Learning) 기반의 장애 진단을 위한 시스템 및 데이터 모델(Data Model)을 제안하며, 이를 기반으로 장애를 사전 예측한 사례를 제시하고자 한다.

• 반도체디스플레이기술학회지
• /
• 제21권4호
• /
• pp.65-70
• /
• 2022

In manufacturing and semiconductor industries, transfer robots increase productivity through accurate and continuous work. Due to the nature of the semiconductor process, there are environments where humans cannot intervene to maintain internal temperature and humidity in a clean room. So, transport robots take responsibility over humans. In such an environment where the manpower of the process is cutting down, the lack of maintenance and management technology of the machine may adversely affect the production, and that's why it is necessary to develop a technology for the machine failure diagnosis system. Therefore, this paper tries to identify various causes of failure of transport robots that are widely used in semiconductor automation, and the Prognostics and Health Management (PHM) method is considered for determining and predicting the process of failures. The robot mainly fails in the driving unit due to long-term repetitive motion, and the core components of the driving unit are motors and gear reducer. A simulation drive unit was manufactured and tested around this component and then applied to 6-axis vertical multi-joint robots used in actual industrial sites. Vibration data was collected for each cause of failure of the robot, and then the collected data was processed through signal processing and frequency analysis. The processed data can determine the fault of the robot by utilizing machine learning algorithms such as SVM (Support Vector Machine) and KNN (K-Nearest Neighbor). As a result, the PHM environment was built based on machine learning algorithms using SVM and KNN, confirming that failure prediction was partially possible.

• 대한전기학회논문지:전력기술부문A
• /
• 제52권8호
• /
• pp.471-480
• /
• 2003

The design of a measurement system to perform Harmonic State Estimation (HSE) is a very complex problem. Among the reasons for its complexity are the system size, conflicting requirements of estimator accuracy, reliability in the presence of transducer noise and data communication failures, adaptability to change in the network topology and cost minimization. In particular, the number of harmonic instruments available is always limited. Therefore, a systematic procedure is needed to design the optimal placement of measurement points. This paper presents a new HSE algorithm which is based on an optimal placement of measurement points using Genetic Algorithms (GAs) which is widely used in areas such as: optimization of the objective function, learning of neural networks, tuning of fuzzy membership functions, machine learning, system identification and control. This HSE has been applied to the Simulation Test Power System for the validation of the new HSE algorithm. The study results have indicated an economical and effective method for optimal placement of measurement points using Genetic Algorithms (GAs) in the Harmonic State Estimation (HSE).

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권10호
• /
• pp.5112-5128
• /
• 2016

Tracking human body is an important problem in computer vision field. Tracking failures caused by occlusion can lead to wrong rectification of the target position. In this paper, a robust human tracking algorithm is proposed to address the problem of occlusion, rotation and improve the tracking accuracy. It is based on Tracking-Learning-Detection framework. The key auxiliary information is used in the framework which motivated by the fact that a tracking target is usually embedded in the context that provides useful information. First, face localization method is utilized to find key face location information. Second, the relative position relationship is established between the auxiliary information and the target location. With the relevant model, the key face information will get the current target position when a target has disappeared. Thus, the target can be stably tracked even when it is partially or fully occluded. Experiments are conducted in various challenging videos. In conjunction with online update, the results demonstrate that the proposed method outperforms the traditional TLD algorithm, and it has a relatively better tracking performance than other state-of-the-art methods.

• 마이크로전자및패키징학회지
• /
• 제31권2호
• /
• pp.45-53
• /
• 2024

The maintenance of semiconductor equipment is crucial for the continuous growth of the semiconductor market. System management is imperative given the anticipated increase in the capacity and complexity of industrial equipment. Ensuring optimal operation of manufacturing processes is essential to maintaining a steady supply of numerous parts. Particularly, monitoring the status of substrate transfer robots, which play a central role in these processes, is crucial. Diagnosing failures of their major components is vital for preventive maintenance. Fault diagnosis methods can be broadly categorized into physics-based and data-driven approaches. This study focuses on data-driven fault diagnosis methods due to the limitations of physics-based approaches. We propose a methodology for data acquisition and preprocessing for robot fault diagnosis. Data is gathered from vibration sensors, and the data preprocessing method is applied to the vibration signals. Subsequently, the dataset is trained using Gradient Tree-based XGBoost machine learning classification algorithms. The effectiveness of the proposed model is validated through performance evaluation metrics, including accuracy, F1 score, and confusion matrix. The XGBoost classifiers achieve an accuracy of approximately 92.76% and an equivalent F1 score. ROC curves indicate exceptional performance in class discrimination, with 100% discrimination for the normal class and 98% discrimination for abnormal classes.

• 한국콘텐츠학회논문지
• /
• 제21권5호
• /
• pp.221-233
• /
• 2021

이 연구는 교육정책의 반복적인 정책실패에도 불구하고 이와 같은 현상을 규명하려는 학술적 노력이 부족했다는 문제의식에서 정책학습이라는 관점에서 교육정책의 변화 내용을 분석하였다. 이를 위해 정책이 수립된 지 20여 년이 넘었지만, 여전히 정부와 교원단체 간에 갈등이 심각한 교원성과급 정책을 정책 분석사례로 삼아 분석하였다. 분석결과, 첫째 교원성과급 정책은 김대중 정부에서 문재인 정부에 이르기까지 총 11차에 걸친 정책 내용의 변화가 있었다. 정부가 새롭게 출범할 때마다 교원성과급 정책은 내용에 변화가 생겼을 뿐만 아니라, 동일 정부 시기 동안에도 정책변화는 지속되었다. 둘째, 각 정부별 정책 내용의 변화 단계에서 어떠한 정책학습이 있었는지를 분석하였을 때, 대부분 '정치적 정책학습'과 '도구적 정책학습'이 이루어졌다. 즉, 정책의 목표나 가치에 대한 근본적인 논의보다는 교원성과급 정책의 옹호를 위해 차등지급의 비율을 조정하는 정책학습을 이어왔다. 이와 같은 현 상황을 회복하기 위해 이 연구는 교원성과급 정책의 기본적인 가치와 전략을 검토하는 '사회적 정책학습'을 통해 경직된 교직 사회를 변화시킬 수 있는 대안적인 정책 제시가 필요함을 제안한다.

• 한국경영정보학회:학술대회논문집
• /
• 한국경영정보학회 2007년도 추계학술대회
• /
• pp.123-128
• /
• 2007

It has been argued that Enterprise systems (ES) implementations are overshadowed by a high failure rate despite their promised benefits. One of the commonly cited reasons for ES implementation failures in the context of mandatory use is end-user's unwillingness or sabotage to adopt or use systems. Considering that the appropriate management of expectations may play an important role in making positive behavior toward newly implemented systems, this study examines the effect of outcome expectations on the system use activity in the mandatory use context of information systems from the Social Cognitive Theory perspective. Structural equation model analysis using LISREL 8.7 provides significant support for the proposed relationships. The empirical results suggest that outcome expectations and user satisfaction have positive effects on system use activity conceptualized by immersion, reinvention, and learning. Theoretical and practical implications of the study shed some light on how to improve system use activity in the mandatory use context of information systems.