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.
4차 산업혁명과 함께 ICT(정보통신기술)와 제조업이 융합된 스마트 제조업 시대로 변화하고 있다. 과거의 제조업은 생산효율 증진을 위한 단순 목적으로 공업적인 기술 혁신을 추구했다면, 스마트 제조업에서는 ICT와 융합된 스마트팩토리 구축을 통해 제조 공정과 서비스 형태가 융·복합 플랫폼 형태로 변모하고 있다. 스마트팩토리 구현 기업들은 ICT의 장점을 활용한 이점과 함께, 개방화/융합화/정보화에 따라 발생하게 되는 보안 이슈를 동시에 접하게 된다. 스마트팩토리에서는 ICT를 기반으로 모든 기계와 설비 등이 연결되어 기존에 생각하지 못했던 융·복합적 보안 위협요인에 노출되고 상시적으로 다양한 사이버 위협이 발생할 수 있음으로 보안이 더욱 강화되어야 한다. 보안사고의 위험을 줄이고 스마트팩토리를 성공적으로 도입하기 위해서는, ICT 기술들이 적용되고 있는 스마트팩토리 산업 현장의 특성을 감안하여 우선적으로 적용되어야 할 주요 보안요인들을 도출할 필요가 있다. 본 연구에서는 스마트팩토리 구축 시 적용해야 할 보안요인들의 중요도를 파악하기 위해 단말/네트워크/플랫폼·서비스 범주를 포괄한 '스마트팩토리 보안요인의 계층적 분류 모델'을 제시하고, 스마트팩토리 및 보안 관련 전문가 그룹(기술위원, 사업전문가, 보안전문가)을 대상으로 중요도 평가 분석을 수행하였다. 본 연구에서는 AHP 기법을 활용하여 다양한 보안 위협으로부터 안전한 스마트팩토리 구현에 필요한 보안요인들의 상대적 중요도를 도출하고 이를 기반으로 스마트팩토리 보안요인간의 우선순위를 제시하였다. 본 연구 결과를 통해, 앞으로 더욱 확산될 스마트팩토리가 보다 안전하게 구축·운용될 수 있도록 스마트 제조업 시대에 필요한 정보보안 확보에 기여할 수 있을 것이다.
본 논문에서는 스마트팩토리의 대량 제조 산업 중심의 실시간 통합제어 시스템과 리소스 메니지먼트를 위한 알고리즘과 수치 해석을 고려한다. 사이버 물리 시스템(CPS)상에서 전송되어지는 다양한 데이터들이 실시간으로 제어되어야 각각의 주소체계를 가진 단말과 플랫폼, 서비스로 묶여 진정한 스마트제조업이 실현될 것으로 기대하며, 기존의 연구결과로부터 새롭게 제안되어지는 최적화운용 알고리즘을 반영하여 패러미터별 증명과 자코비 연산에 의한 수치해석을 덧붙이게 된다. 최적의 운용 알고리즘을 센싱데이터에 의하여 결정을 하게 되고 이를 통한 CPS상에서 전송되는 현상을 구체적으로 제시한다. 또한 실험을 통해서 기존의 연구결과와 비교 검토함으로서 제시된 실시간 통합제어 시스템의 우수성을 검증하였다.
우리나라 중소기업은 현재 국내 외 다양한 환경 요인(경쟁력 확보 및 우수 제품 개발 등)으로 인하여 산업 구조가 과거에 비해 빠르게 변화하고 있는 상황이다. 특히, 인공지능과 관련된 다양한 장비가 제조현장에 투입되면서 스마트팩토리 환경에서 생산되는 데이터 수집 및 활용의 중요성이 점점 증가하고 있다. 본 논문에서는 최근 중소기업 제조 현장이 스마트팩토리화 되면서 제조 현장에서 생산되는 제품의 프로세스를 향상시키기 위한 인공지능 기반 스마트팩토리 모델을 제안한다. 제안 모델은 갈수록 치열해지는 제조 환경의 경쟁력 확보 및 생산 비용 절감을 최소화시키는 것이 목적이다. 제안 모델은 인공지능 기반의 스마트팩토리 현장에서 생산되는 제품의 정보뿐만 아니라 제품 생산에 소비되는 노동력, 노동 근무 시간 및 가동 공장기계 상태 등을 모두 고려하여 관리한다. 또한, 제안 모델에서 생산되는 데이터는 유사 기업과 시스템 연계 및 정보 공유가 가능하기 때문에 제조 현장 운영의 기업간 전략적 협력이 가능하다.
ICT 기반의 제4차 산업혁명의 도래는 제조업과 ICT 융합이 새로운 경쟁력이 되고, 생산 방식의 혁명을 일으키며 제조업 위기의 돌파구로 주목을 받으면서 제조업 부활에 날개를 달아주는 요소로 부상하고 있다. 스마트 팩토리가 구현되면 각 공장에서 수집된 수많은 데이터를 기반으로 분석 및 의사결정을 하는 공장 운영체계(Data Driven Operation)를 갖춤으로써 생산현장에서 발생하는 현상과 문제들의 상관관계를 찾아낼 수 있다. 고객의 니즈가 다양해짐에 따라 다품종 대량생산에서 맞춤형 유연생산 체제로의 전환이 요구되며, 기업은 이를 위해 스마트 팩토리의 도입이 필수적이다. 본 연구는 국내 스마트 팩토리 도입 기업들을 대상으로 스마트 팩토리 지속사용의도와 전환의도에 영향을 미치는 요인들을 기술수용모형( Technology acceptance model: TAM)을 토대로 실증 분석한다. 이를 위해 본 연구는 스마트 팩토리를 운영 중인 기업들을 대상으로 온라인과 오프라인을 통해 설문조사를 실시하였으며, 최종적으로 122개의 표본을 분석에 사용하였다. 본 연구의 결과는 스마트 팩토리에 관심 있는 연구자들과 실무자들에게 많은 시사점을 제공할 것이다.
최근 국가경제와 기업의 경쟁력이 불안정한 글로벌 환경에서, 정부는 4차 산업혁명이라고 불리는 스마트공장 구축사업을 중소중견 제조기업 대상으로 적극적으로 적용추진을 하고 있다. 스마트공장이란 ICT(Information Communication Technology)와 생산공정의 융합으로 설비와 시스템간의 통합과 지식 기반의 최적화된 판단으로 제품을 자동 생산하는 체계이다. 본 연구는 기업의 경쟁력을 높이기 위해 성공적인 스마트공장의 추진을 위한 최고경영자의 의지, 정부지원, 외부 컨설팅 그리고 조직참여가 미치는 영향에 대해서 살펴보았다. 연구모형을 통한 실증연구를 하기 위해 스마트공장 구축을 완료하였거나 진행 중인 중소기업을 대상으로 설문지를 배포하여 회수된 101부의 설문지를 분석하였다. 실증분석 결과, 기업의 글로벌 경쟁력 확보를 위한 스마트공장 성공적 구현에 있어서 조직의 참여도가 가장 큰 영향을 미치는 것으로 파악되었고, 정부지원, 외부 컨설팅 그리고 최고경영자 의지 순서로 영향을 미치는 것으로 나타났다. 따라서 본 연구에서는, 기업의 경쟁력 제고에 가장 큰 영향을 미치는 스마트공장 구축을 성공적으로 실현하기 위해 여러 가지 관점으로 구분하여 도출하였고 이를 검증하였다.
Artificial intelligence (AI) is expected to bring about a wide range of changes in the industry, based on the assessment that it is the most innovative technology in the last three decades. The manufacturing field is an area in which various artificial intelligence technologies are being applied, and through accumulated data analysis, an optimal operation method can be presented to improve the productivity of manufacturing processes. In addition, AI technologies are being used throughout all areas of manufacturing, including product design, engineering, improvement of working environments, detection of anomalies in facilities, and quality control. This makes it possible to easily design and engineer products with a fast pace and provides an efficient working and training environment for workers. Also, abnormal situations related to quality deterioration can be identified, and autonomous operation of facilities without human intervention is made possible. In this paper, AI technologies used in smart factories, such as the trends in generative product design, smart workbench and real-sense interaction guide technology for work and training, anomaly detection technology for quality control, and intelligent manufacturing facility technology for autonomous production, are analyzed.
Reverse offset printing is considering as an emerging technology for printed electronics owing to its environmentally friendliness and cost-effectiveness. In reverse offset printing, selecting the materials for cliché and blanket is critical because of its minimum resolution, registration errors, aspect ratio of reliefs, pattern area, and reusability. Various materials such as silicon, quartz, glass, electroplated nickel plates, and imprinted polymers on rigid substrates can be used for the reverse offset printing of cliché. However, when new structures are designed for specific applications, new clichés need to re-fabricated each time employing multiple time-consuming and costly processes. Therefore, by modifying the blanket materials containing the printing ink, several new structures can be easily created using the same cliché. In this study, we investigated various elastomeric materials and evaluated their applicability for designing a highly stretchable blanket with controlled elastic deformation to implement tunable reverse offset printing.
This article suggests the machine learning model, i.e., classifier, for predicting the production quality of free-machining 303-series stainless steel(STS303) small rolling wire rods according to the operating condition of the manufacturing process. For the development of the classifier, manufacturing data for 37 operating variables were collected from the manufacturing execution system(MES) of Company S, and the 12 types of derived variables were generated based on literature review and interviews with field experts. This research was performed with data preprocessing, exploratory data analysis, feature selection, machine learning modeling, and the evaluation of alternative models. In the preprocessing stage, missing values and outliers are removed, and oversampling using SMOTE(Synthetic oversampling technique) to resolve data imbalance. Features are selected by variable importance of LASSO(Least absolute shrinkage and selection operator) regression, extreme gradient boosting(XGBoost), and random forest models. Finally, logistic regression, support vector machine(SVM), random forest, and XGBoost are developed as a classifier to predict the adequate or defective products with new operating conditions. The optimal hyper-parameters for each model are investigated by the grid search and random search methods based on k-fold cross-validation. As a result of the experiment, XGBoost showed relatively high predictive performance compared to other models with an accuracy of 0.9929, specificity of 0.9372, F1-score of 0.9963, and logarithmic loss of 0.0209. The classifier developed in this study is expected to improve productivity by enabling effective management of the manufacturing process for the STS303 small rolling wire rods.
As the $4^{th}$ industrial revolution is accelerating, IT convergence application technologies are attracting attention in various fields. In the manufacturing industry, Smart Factory technology, which is blended with IT technology, has been developed to solve the problem casued by the decrease of the labor force, and a monitoring server is required to remotely control the equipment or to inquire about the operation status of the factory. In this paper, we designed and implemented RESTful API for data sharing between factory equipment and monitoring server in Smart Factory. In order to verify the designed API, a testbed was operated for an actual plastics manufacturing plant. As a result, it was confirmed that the testbed can be operated normally in actual operating environment.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.