• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.65-66
• /
• 2021

본 논문에서는 Smart Factory의 자동 공정에서 결함의 분류를 실시간으로 시도하여 자동 공정 제어를 위한 결함 분류 딥러닝 기법을 제안하고, Pooling 종류에 따른 분류 성능을 비교한다. Smart Factory 구축에 있어서 CNN을 이용한 공정 제어를 통해 제품 생산에 있어서 생산량의 증가와 불량률의 감소를 이루어내는 것이 가능하다. Smart Factory는 자동화 공정이므로 결함의 분류 속도가 중요하지만, 생산량의 증가와 불량률의 감소를 위해서는 정확하게 결함의 종류를 분류하여 Smart Factory의 공정을 제어하는 것이 더욱 중요하다. 본 논문에서는 Pooling을 Max Pooling과 Averrage Pooling을 복합적으로 설정하였을 때 높은 성능을 보였다.

• 한국산업정보학회논문지
• /
• 제14권4호
• /
• pp.116-127
• /
• 2009

본 연구는 스틸 파이프 생산의 과거 이력을 분석하여 주요 특성별 높은 수율을 갖는 제품을 선별하고 각 공정별 최소 불량률을 가진 제품 모델을 구현함으로써 제품 생산의 효율성을 제고하기 위한 목적으로 수행되었다. 이를 위해 본 논문에서는 주문을 통해 생산되는 각종 스틸 파이프 제품들의 특성을 비교 및 분석하여 어떠한 특성을 가지는 제품들이 가장 높은 수율을 창출해내고 적은 불량을 발생시키는지 의사결정트리 데이터마이닝 기법을 적용하여 분석하였다. 실험 결과로부터 중소구경이 많은 ERW 스틸 파이프는 기호에 의해, 그 외 주로 대구경 범위인 롤벤더, 스파이럴 스틸 파이프 경우에는 외경 범위에 따라 수율과 불량률이 분류되고 있다는 사실을 확인하였다. 본 연구는 주요 특성별 수율과 불량률이 어떠한 형태를 나타내는지 수치적으로 분류 및 구체화하여 그 영향정도를 구분하였다.

• 한국산학기술학회논문지
• /
• 제8권4호
• /
• pp.930-937
• /
• 2007

본 논문에서는 단계별로 검사공정과 재가공공정으로 구성된 K단계 검사시스템의 설계문제를 다루며 사례연구를 제시한다. 검사원의 Type I과 II의 오차를 가정하고, 양품으로 분류된 제품도 재검사를 한다는 정책 하에 목표 불량률을 달성할 수 있는 가장 작은 정수인 K값을 결정한다. 만약 K값이 존재하지 않을 경우 Type I과 II의 오차는 변하지 않는다고 가정하여 목표 불량률을 달성할 수 있는 (조립생산라인의 불량률, 재가공불량률)을 역으로 탐색한다. 본고에서 제시된 K단계 검사시스템에 대한 공식과 방법론은 약간의 수정을 가한다면 유사한 검사환경에 적용할 수 있다.

• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 2009년도 춘계학술대회 미래 IT융합기술 및 전략
• /
• pp.144-149
• /
• 2009

본 논문은 스틸 파이프 생산시 저불량율, 고수율을 가진 제품을 분류하고 모형화하기 위하여 과거 스틸 파이프 생산이력을 비교, 분석하여 주요 특성들이 불량율, 수율에 어떠한 영향을 미치는가를 파악함으로써 향후 스틸 파이프 생산 공정에서 저불량율, 고수율의 제품을 생산하는데 주요한 지표로 활용코자 하는데 그 목적이 있다. 과거 스틸 파이프 산업에 대한 주요 특성별 수율 측정에 대한 연구가 미흡하였으나, 본 논문에서 이를 구체화 하여 주요 특성별 불량률과 수율이 어떠한 형태를 나타내는지를 분류하고, 그 영향정도를 구분하고자 한다.

• 한국항행학회논문지
• /
• 제26권2호
• /
• pp.113-118
• /
• 2022

사람은 독서나 필기 중 중요 문구를 형광펜으로 칠하는 것에서 착안하여, 본 논문에서는 복잡한 배경 질감을 가진 영상에서의 불량유형을 효과적으로 분류하기 위해 불량 픽셀 영역을 하이라이팅 하여 신경망을 훈련하는 방법을 제안한다. 제안 방법의 가능성을 검증하기 위하여 불량유형 구분이 매우 어려운 타이어 밴드 직물의 불량유형 분류에 제안 방법을 적용한다. 또한, 타이어 밴드 직물 영상에 특화된 백라이트 하이라이팅 방법을 제안한다. 백라이트 하이라이트 영상은 GradCAM 기법과 간단한 영상처리를 이용하여 획득할 수 있다. 실험에서 우리는 제안하는 하이라이팅 기법이 분류 정확도뿐만 아니라 훈련속도 면에서 기존 방법보다 우수함을 보였다. 인식률 면에서는 제안 방법이 기존 방법 대비 최대 13.4%의 향상을 달성하였다. 타이어 밴드 직물 영상에 특화된 백라이트 하이라이팅 기법이 윤곽 하이라이팅 기법보다 정확도 측면에서 우수함을 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.482-486
• /
• 2008

본 논문에서는 하드 디스크 드라이브(Hard Disk Drive, HDD) 생산 공정 과정에서 발생할 수 있는 불량 HDD의 결함 분포에 대해서 패턴을 자동으로 분류해주는 기법을 제시한다. 이를 위해서 표준 패턴 클래스로 분류되어 있는 불량 HDD의 각 클래스의 확률 모델을 GMM(Gaussian Mixture Model)로 가정한다. 실험은 전문가에 의해 분류된 실제 HDD 결함 분포로부터 5가지의 특징 값들을 추출한 후, 결함 분포의 클래스를 표현할 수 있는 GMM의 파라미터(Parameter)를 학습한다. 각 모델의 파라미터를 추정하기 위해 EM(Expectation Maximization) 알고리즘을 사용한다. 학습된 GMM의 분류 테스트는 학습에 사용되지 않은 HDD 결함 분포에서 5가지의 특징 값을 입력 값으로 추정된 모델들의 파라미터 값에 의해 사후 확률을 구한다. 계산된 확률 값 중 가장 큰 값을 갖는 모델의 클래스를 표준 패턴 클래스로 분류한다. 그 결과 제시된 GMM을 이용한 HDD의 패턴 분류의 결과 96.1%의 정답률을 보여준다.

• 한국융합학회논문지
• /
• 제13권2호
• /
• pp.249-255
• /
• 2022

본 연구는 최근 가공 불량 예측 방법으로 주목받고 있는 머신러닝 기반의 모델을 이용하여 CNC 가공 불량 발생의 실시간 예측을 위한 분석 프레임워크를 제안하고, 해당 프레임워크에 기반하여 XGBoost, CatBoost, LightGBM, 랜덤 포레스트, Extra Trees, SVM, k-최근접 이웃, 로지스틱 회귀 모델을 CNC 설비에 기본 내장된 센서들로부터 추출된 데이터에 적용 및 분석하였다. 분석 결과 XGBoost, CatBoost, LightGBM 모델이 동일하게 가장 우수한 정확도, 정밀도, 재현율, F1 점수, AUC 값을 보였으며, 이 중 LightGBM 모델이 소요 실행 시간이 가장 짧은 것으로 나타났다. 이러한 짧은 소요 실행 시간은 실 시스템 구축 비용 절감, 빠른 불량 예측에 따른 CNC 장비 파손 확률 감소, 전체적인 CNC 활용률 증가 등의 실무적 장점을 가지므로 LightGBM 모델이 기본 센서들만 설치된 CNC 설비에 적용 시 가공 불량 예측에 가장 효과적으로 판단된다. 또한 소요 실행 시간 및 컴퓨팅 파워의 제약이 없는 상황에서는 LightGBM, Extra Trees, k-최근접 이웃, 로지스틱 회귀 모형으로 구성된 앙상블 모델을 적용할 경우 분류 성능이 최대화됨을 확인하였다.

• Communications for Statistical Applications and Methods
• /
• 제16권2호
• /
• pp.239-347
• /
• 2009

신용평가모형의 판별력에 대한 검정방법으로 콜모고로프-스미르노프, 평균차이, AUROC, AR등과 같은 통계량이 널리 사용되고 있다. 이러한 통계량들의 판단기준은 정규분포 가정 하에서 평균차이를 기준으로 설정되었다. 본 연구에서는 모의 실험을 통해서 표본크기, 불량률 그리고 제II종 오류율을 고려하는 대안적인 판단기준을 제 안하고 현재 적용되고 있는 판단기준과 비교해본다. 또한 판별력 정도에 따른 각 통계량들의 의미를 10단계로 정의하고 모의 실험 결과와 현재 적용되고 있는 판단기준을 비교해 본다.

• 한국산학기술학회논문지
• /
• 제21권6호
• /
• pp.374-382
• /
• 2020

본 연구에서 저장탄약 신뢰성평가(ASRP: Ammunition Stockpile Reliability Program)의 데이터 특성을 고려하여 입력변수를 줄이는 정규화기법을 제안함으로써 분류성능의 저하 없이 저장탄약 신뢰성분류 인경신경망모델의 학습 속도향상을 목표로 하였다. 탄약의 성능에 대한 기준은 국방규격(KDS: Korea Defense Specification)과 저장탄약 시험절차서(ASTP: Ammunition Stockpile reliability Test Procedure)에 규정되어 있으며, 평가결과 데이터는 이산형과 연속형 데이터가 복합적으로 구성되어 있다. 이러한 저장탄약 신뢰성평가의 데이터 특성을 고려하여 입력변수는 로트 추정 불량률(estimated lot percent nonconforming) 또는 고장률로 정규화 하였다. 또한 입력변수의 unitary hypercube를 유지하기 위하여 최소-최대 정규화를 2차로 수행하는 2단계 정규화 기법을 제안하였다. 제안된 2단계 정규화 기법은 저장탄약 신뢰성평가 데이터를 이용하여 비교한 결과 최소-최대 정규화와 유사하게 AUC(Area Under the ROC Curve)는 0.95 이상이었으며 학습속도는 학습 데이터 수와 은닉 계층의 노드 수에 따라 1.74 ~ 1.99 배 향상되었다.

• 한국멀티미디어학회논문지
• /
• 제14권7호
• /
• pp.895-904
• /
• 2011

기존 스포트 용접을 수행하는 용접기에서 용접 대상물을 공급할 때 발생하는 흔들림 등으로 대상물이 정확한 위치에 놓이지 않는 경우가 허다하다. 또한 작업자나 관련 장비의 이동 중 여러 가지 상황에 노출된 작업환경 하에서는 너트의 상태를 정확하게 판별할 수 없게 된다. 그러므로 너트에 대한 용접 불량이 발생한 경우, 이를 판단할 수 있는 장치가 없는 상태에서 작업자가 일일이 검사해야 하는 문제가 있기 때문에 영상처리를 통한 다양한 평가분석이 필요하다. 따라서 본 연구논문에서는 기존의 정확성 떨어지는 영상처리 시스템을 개선함으로써 대상물이 바르게 안착되지 않은 상태에서도 정확한 인식과 동시에 분석 시간을 줄일 수 있도록 하는 알고리즘 구현을 목적으로 한다. 이와 같이 너트의 안착여부 상태평가를 위한 영상분석인 만큼, 구현된 알고리즘을 그룹별로 나열하고 제시하였으며 실험을 통해서 그 효용성을 나타내었다. 그 결과, 판정시간에 따른 정상 및 오류 인식률이 실험분류((분류1)/그룹1)에서 실험분류((분류11)/그룹5)까지 40%~94.6%와 60%~5.4%로 나타났으며, 최소, 최대, 평균 판정시간은 1.7초~0.08초, 3.6초~1.2초, 2.5초~0.1초로 나타났다.