• Korean Chemical Engineering Research
• /
• 제59권2호
• /
• pp.191-199
• /
• 2021

화학 공정의 주요 설비 중 하나인 증류탑은 물질들의 끓는점 차이를 이용하여 혼합물에서 원하는 생산물을 분리하는 설비이며 증류 공정은 많은 에너지가 소비되기 때문에 최적화 및 운전 예측이 필요하다. 본 연구의 대상 공정은 공급처에 따라 원료의 조성이 일정하지 않아 정상 상태로 운전이 어려워 효율적인 운전이 어렵다. 이를 해결하기 위해 데이터 기반 예측 모델을 이용하여 운전 조건을 예측 할 수 있다. 하지만 미가공 공정 데이터에는 이상치 및 노이즈가 포함되어 있어 예측 성능을 향상시키기 위해 데이터 전처리가 필요하다. 본 연구에서는 인공 신경망 모델인 Long short-term memory (LSTM)과 Random forest (RF)를 사용하여 모델을 최적화한 후, 데이터 전처리 방법으로 Low-pass filter와 One-class support vector machine을 사용하여 데이터 전처리 방법 및 범위에 따른 예측 성능을 비교하였다. 각 모델의 예측 성능과 데이터 전처리의 영향은 R2과 RMSE를 사용하여 비교하였다. 본 연구의 결과, 전처리를 통해 LSTM의 경우 R2은 0.791에서 0.977으로 RMSE는 0.132에서 0.029로 각각 23.5%, 78.0% 향상되었고, RF의 경우 R2은 0.767에서 0.938으로 RMSE는 0.140에서 0.050으로 각각 22.3%, 64.3% 향상되었다.

• 한국군사과학기술학회지
• /
• 제2권2호
• /
• pp.131-139
• /
• 1999

An easy and efficient method is proposed for a computation of reliability of preprocessing filters in the fire control system when the sensor data are frequently unreliable depending on the operation environment. It computes state transition probability matrix after modeling filter states as a Markov process, and computing false alarm and detection probability of each filter state under the given sensor failure probability. It shows that two important indices such as distributed state probability and error variance can be derived easily for a reliability assessment of the given sensor fusion system.

• Journal of Multimedia Information System
• /
• 제8권4호
• /
• pp.211-220
• /
• 2021

The process of inspecting SMDs on the PCB boards improves the product quality, performance and reduces frequent issues in this field. However, undesirable scenarios such as assembly failure and device breakdown can occur sometime during the assembly process and result in costly losses and time-consuming. The detection of these components with a model based on deep learning may be effective to reduce some errors during the inspection in the manufacturing process. In this paper, YOLO models were used due to their high speed and good accuracy in classification and target detection. A SMD detection and classification method using YOLO networks based on robust data preprocessing and augmentation techniques to deal with various types of variation such as illumination and geometric changes is proposed. For 9 different components of data provided from a PCB manufacturer company, the experiment results show that YOLOv4 is better with fast detection and classification than YOLOv3.

• 상하수도학회지
• /
• 제29권2호
• /
• pp.203-209
• /
• 2015

The purpose of this study is to estimate the applicability of a stable anaerobic digester using a separator membrane to the preprocessing thickening process. The results of the experiments showed about a 47.16% weight loss rate for the sludge under anaerobic condition, and about 41.17% under intermittent aeration condition. The concentrations of rejection water were $SCOD_{Cr}$ 25 mg/L, T-N 16.6 mg/L, and T-P 1.4 mg/L on the average under the intermittent aeration condition, which were lower than the concentrations of rejection water under an anaerobic condition. As for the factors affecting the reduction of the flux, correlation analyses of TTF, MLSS, $SCOD_{Cr}$, and $EPS_{Protein}$, $EPS_{Polysacchride}$ resulted in -0.97, -0.95, -0.84 and -0.86, -0.95, respectively, which showed that TTF had the highest correlation to the reduction of the flux. In addition, it was concluded that MLSS, $SCOD_{Cr}$ and $EPS_{Protein}$, $EPS_{Polysacchride}$ also have close correlations. The results are considered to show that, in the case of the process using a tubular membrane in the preprocessing process of an anaerobic digester, an intermittent aeration condition of the thickener considering the contamination of the membrane and load of rejection water is appropriate for the stable preprocessing process.

• 한국산학기술학회논문지
• /
• 제13권8호
• /
• pp.3779-3784
• /
• 2012

산업체 공정의 실시간 공정 모니터링과 진단은 생산 제품의 품질과 안전을 보장하는데 반드시 필요한 활동들의 하나이다. 그중에서 공정 진단은 공정에 발생된 특정 이상상황의 원인을 밝혀내는 것으로서 조업자들이 이상상황의 근본원인을 보다 효과적으로 도출하는데 도움을 줄 수 있다. 본 논문에서는 비선형 KFDA 기법과 데이터 전처리기법을 이용한 이상원인 진단방법을 적용하고 이의 진단 성능을 기존 선형 기법에 기반한 PCA 진단방법과 비교한다. 실제 공정을 모사한 Tennessee Eastman 공정 시뮬레이터의 공정 데이터를 통한 사례연구를 수행한 결과 기존 선형 진단 방법론 대비 신뢰할 수 있는 진단 결과를 얻을 수 있었다.

• International Journal of Control, Automation, and Systems
• /
• 제2권1호
• /
• pp.100-106
• /
• 2004

In this paper, we present a novel, rapid approach for the detection of brain tumors and deformity boundaries in medical images using a genetic algorithm with wavelet based preprocessing. The contour detection problem is formulated as an optimization process that seeks the contour of the object in a manner of minimizing an energy function based on an active contour model. The brain tumor segmentation contour, however, cannot be detected in case that a higher gradient intensity exists other than the interested brain tumor and deformities. Our method for discerning brain tumors and deformities from unwanted adjacent tissues is proposed. The proposed method can be used in medical image analysis because the exact contour of the brain tumor and deformities is followed by precise diagnosis of the deformities.

• 한국공작기계학회논문집
• /
• 제15권4호
• /
• pp.69-73
• /
• 2006

This paper present the optimal cleaning condition of the out-hull preprocessing robot by Taguchi method in design of experiments. A $L_8(2^4)$ orthogonal array is adopted to study the effect of adjustment parameters. The adjustment parameters consist of robot speed, motor torque, motor speed and tool angle. And the quality feature is selected as surface roughness of sheet metal. Taguchi analysis is performed in order to evaluate the effect of adjustment parameters of the quality feature of cleaning process by $Minitab^{(R)}$.

• 한국빅데이터학회지
• /
• 제8권1호
• /
• pp.61-71
• /
• 2023

데이터 기반 의사결정 방법론, 고도화된 빅데이터 처리 기법의 발달로 데이터를 처리하는 방법에 대한 정보의 수요가 늘어나고 있다. 데이터를 활용하는 거의 모든 작업과 연구에서 데이터 전처리 과정이 포함되나, 이러한 과정은 주장하고자 하는 내용이나 결과물을 도출하기 위한 수단으로써 언급될 뿐 실질적인 과정에 대해서 자세하게 설명하고 있는 연구는 부족하였다. 실질적인 분석 기법을 활용하기 이전의 단계로 간단하게 언급되는 경우가 많아 데이터 처리에 대한 인사이트를 획득하기 어려운 경우가 많았다. 따라서 이 연구에서는, raw data에서부터 데이터를 처리하는 과정, 즉 데이터 처리 파이프라인에 대해서 자세하게 작성하고자 하였다. 특히 수입식품 수입 절차에 대한 설명을 구체화함으로써 해당 상황에서 데이터의 필드들이 어떻게 해석될 수 있고 어떠한 필드들을 왜 활용하게 되었는지에 대한 상황과 관련 도메인 지식을 공유하면서 흐름을 기술하고자 하였다.

• 한국인터넷방송통신학회논문지
• /
• 제24권4호
• /
• pp.57-64
• /
• 2024

스마트 팩토리의 도입은 제조업 분야에서 객관적이고 효율적인 라인 관리로의 전환을 가져왔다. 그러나 대부분의 회사가 매초 수집되는 수많은 센서 데이터를 효과적으로 사용하지 못하고 있다. 본 연구에서는 이러한 데이터를 활용해 제품 품질을 예측하고 효율적인 생산 공정의 관리를 목표로 한다. 보안 문제로 구체적인 센서 데이터 확인이 불가하여, "SAMSUNG SDS Brightics AI" 사이트의 반도체 공정 관련 학습용 데이터를 확보하여 연구를 진행한다. 머신러닝 모델에서 데이터의 전처리 과정은 성능을 결정짓는 중요한 요소이다. 따라서, 결측값 제거, 이상치 제거, 스케일링, 특성 제거의 전처리 과정을 통해 최적의 센서 데이터를 확보하였다. 또한, 학습 데이터셋이 불균형 데이터를 이루고 있어 오버샘플링 기법을 통해 동일한 비율을 맞추어 모델 평가 전 데이터를 준비하였다. 머신러닝에서 제공되는 다양한 모델 평가로 구한 SVM(rbf) 모델로 높은 성능(Accuracy : 97.07%, GM : 96.61%)을 확인했다. 또한, 동일한 데이터로 학습 시 "SAMSUNG SDS Brightics AI"에서 구현하였던 MLP 모델보다 더 높은 성능을 보인다. 본 연구는 센서 데이터를 활용한 양품/불량품 예측 외에도 부품 주기, 공정 조건 예측 등 다양한 주제에 적용 가능하다.

• 한국기계가공학회지
• /
• 제18권12호
• /
• pp.38-44
• /
• 2019

Various automation studies have been conducted to detect defective products based on product images. In the case of machine vision-based studies, size and color error are detected through a preprocessing process. A situation may arise in which the main features are removed during the preprocessing process, thereby decreasing the accuracy. In addition, complex systems are required to detect various kinds of defects. In this study, we designed and developed a system to detect errors by analyzing various conditions of defective products. We designed the deep learning algorithm to detect the defective features from the product images during the automation process using a convolution neural network (CNN) and verified the performance by applying the algorithm to the checker-switch failure detection system. It was confirmed that all seven error characteristics were detected accurately, and it is expected that it will show excellent performance when applied to automation systems for error detection.