이 논문에서는 이러한 산업 단지 시스템에서의 비정상적인 동작이 일어날 때, 시간 계열의 데이터를 분석하기 위하여 Big 데이터를 이용한 접근을 기반으로 하는 머신 러닝을 보여줍니다. Long Short-Term Memory (LSTM) 네트워크는 향상된 RNN버전으로서 입증되었으며 많은 작업에 유용한 도움이 되었습니다. 이 LSTM 기반 모델은 시간적 패턴뿐만 아니라 더 높은 레벨의 시간적 특징을 학습 한 다음, 미래의 데이터를 예측하기 위해 예측 단계에 사용됩니다. 예측 오차는 예측 인자에 의해 예측 된 결과와 실제 예상되는 값의 차이입니다. 오차 분포 추정 모델은 가우스 분포를 사용하여 관찰 스코어의 이상을 계산합니다. 이러한 방식으로, 우리는 하나의 비정상적 데이터의 개념에서 집단적인 비정상적 데이터 개념으로 바뀌어 갑니다. 이 작업은 실패를 최소화하고 제조품질을 향상시키는 Smart Factory의 모니터링 및 관리를 지원할 수 있습니다.
본 연구는 우리나라의 중소기업들에 대하여 스마트 팩토리 관련 기술의 수용 및 사용의 수준을 제고하기 위한 관련 정책의 수립에 도움을 제공하기 위한 것이다. 이를 위하여 통합기술수용모델(UTAUT)을 확장하여 기술 수용의도에 영향을 미칠 수 있는 추가적인 영향요인들을 선정하였으며, 이를 실증하는 것이다. 연구목적의 달성을 위하여 리커트 7점 척도로 구성된 설문지를 작성하였으며, 제조 관련 기업을 대상으로 설문조사를 시행하였다. 통계처리에 활용된 설문지는 총 136부이다. 가설검정 결과 성과기대와 사회적 영향은 수(사)용의도에 정(+)의 유의한 영향을 미치지만, 노력기대와 촉진조건은 유의한 영향을 미치지 않는 것으로 검정되었다. 확장요인으로서 네트워크 효과, 조직특성은 정(+)의 유의한 영향을 미치며, 혁신저항은 부(-)의 유의한 영향을 미치지만 인지된 위험은 유의한 영향을 미치지 않는 것으로 검정되었다. 기업의 규모가 클수록 인지된 위험과 혁신저항의 수준은 낮으며, 이를 제외한 수(사)용의도 영향요인과, 수(사)용의도, 수(사)용행동의 수준은 높은 것으로 검정되었다. 본 연구를 통하여 스마트 팩토리 관련 기술의 수(사)용에 긍정적, 부정적 영향을 미칠 수 있는 요인들을 규명함으로서 제고되어야 하는 요인과 감소시켜야 하는 요인을 제시하였으며, 비교적 기업의 규모가 큰 기업들부터 우선적으로 스마트 팩토리 관련 기술이 수용될 수 있도록 하여야 한다는 연구결과를 제시한다.
Since Industry 4.0, there is a growing interest in smart manufacturing across all industries. However, there are few studies on this topic in the garment industry despite the growing interest in implementing smart manufacturing. This paper presents the feasibility and essential considerations for implementing smart manufacturing in the garment industry. A systematic review analysis was conducted. Studies on garment manufacturing and smart manufacturing were searched separately in the Scopus database. Key technologies for each manufacturing were derived by keyword analysis. Studies on key technologies in each manufacturing were selected; in addition, bibliographic analysis and cluster analysis were conducted to understand the progress of technological development in the garment industry. In garment manufacturing, technology studies are rare as well as locally biased. In addition, there are technological gaps compared to other manufacturing. However, smart manufacturing studies are still in their infancy and the direction of garment manufacturing studies are toward smart manufacturing. More studies are needed to apply the key technologies of smart manufacturing to garment manufacturing. In this case, the progress of technology development, the difference in the industrial environment, and the level of implementation should be considered. Human components should be integrated into smart manufacturing systems in a labor-intensive garment manufacturing process.
본 논문에서는 스마트 팩토리 구축을 위한 프로토콜을 제안한다. 제안하는 스마트 팩토리 구축을 위한 프로토콜은 OPC UA Server/Client, TSN 실시간 통신 기술, NTP & PTP 시간 동기화 프로토콜, 필드버스(Field Bus) 프로토콜 및 컨버젼 모듈, 데이터 전송지연에 대한 저장기술 및 동기화 프로토콜로 구성된다. OPC UA Server/Client 는 산업용 하드웨어 디바이스와 인터페이스 하기 위한 시스템 통합 프로토콜로써 플랫폼에 의존적이지 않고 다방면에서 사용할 수 있는 표준을 지원한다. TSN 실시간 통신 기술은 고속 네트워크 환경에서 디바이스들 간 정확한 시간을 공유함으로써 생산라인 등의 정밀한 시간관리 및 제어기술을 제공한다. NTP & PTP 시간 동기화 프로토콜은 IEEE1588 표준화 기술을 제공한다. 필드버스 프로토콜 및 컨버젼 모듈은 산업에서 주로 사용하는 프로토콜을 OPC로 변환하여 연결의 확장성을 제공한다. 데이터 전송 지연에 대한 저장기술 및 동기화 프로토콜은 데이터 전송 지연과 데이터의 손실에 대한 해결 기능을 제공한다. 제안된 스마트 팩토리 구축을 위한 프로토콜의 성능을 평가하기 위하여 시험기관에서 실험한 결과 응답시간은 0.1367ms, 동기시간은 0.404ms, 동시접속 수는 100개, 프로토콜의 연동개수 5개, 데이터 저장 및 동기화는 1,000노드로 세계최고 수준과 동일한 결과를 산출하였다.
본 연구에서는 스마트 마이닝 기술의 수준을 체계적이고 구조화된 방법으로 평가할 수 있는 스마트 마이닝 기술 수준 진단평가 모델을 제안하였다. 이를 위해 스마트 마이닝의 성숙도를 정의하였으며, 제조업에서 활용되는 스마트 공장 진단평가 모델(KS X 9001-3)을 참조하여 스마트 마이닝 기술 수준 진단평가 모델의 세부평가항목 도출하였다. 기존의 체계를 유지하면서 기존 46개의 세부평가항목을 광업에 적합하도록 수정하였으며 추진전략, 프로세스, 정보시스템과 자동화, 성과 부문에서 총 29개의 세부 평가 항목을 도출하였다. 이를 토대로 스마트 마이닝 기술 수준 진단평가 설문지를 설계하였고, 국내의 철광산을 연구지역으로 설정한 다음 스마트 마이닝 기술 수준을 평가하였다. 연구지역의 스마트화 수준은 레벨 2로 나타났으며, 일반 제조업의 평균 스마트 수준과 비교했을 때 40% 정도 낮은 수준에 있음을 유추할 수 있었다. 또한, 개발된 모델을 이용하여 스마트 마이닝의 도입, 운영, 고도화의 단계별로 광산의 취약한 부분을 인지하고 투자 및 개선 방향을 제시할 수 있었다.
As the 4th industrial revolution emerges, the implementation of smart factories are essential in the manufacturing industry. However, 80% of small and medium-sized enterprises that have introduced smart factories remain at the basic level. In addition, in root industries such as injection molding, PLC and HMI software are used to implement functions that simply show operation data aggregated by facilities in real time. This has limitations for managers to make decisions related to product production other than viewing data. This study presents a method for upgrading the level of smart factories to suit the reality of small and medium-sized enterprises. By monitoring the data collected from the facility, it is possible to determine whether there is an abnormal situation by proposing an appropriate algorithm for meaningful decision-making, and an alarm sounds when the process is out of control. In this study, the function of HMI has been expanded to check the failure frequency rate, facility time operation rate, average time between failures, and average time between failures based on facility operation signals. For the injection molding industry, an HMI prototype including the extended function proposed in this study was implemented. This is expected to provide a foundation for SMEs that do not have sufficient IT capabilities to advance to the middle level of smart factories without making large investments.
본 연구에서는 스마트팩토리의 에너지관리스템 수용확산요인이 구성원의 혁신저항 및 업무성과에 미치는 영향에 대해 연구하였다. 이에 수도권 지역 에너지관리시스템을 구축한 기업 구성원 211명을 대상으로 자료를 수집하고, 구조방정식 모형분석 및 기타 부가적인 분석방법을 이용하여 검증하였다. 분석 결과, 먼저 에너지관리시스템 수용확산요인에 관한 지각이 높을수록 혁신저항에는 부(-)적 영향을, 업무성과에는 정(+)적 영향을 미쳤으며, 혁신저항은 업무성과에 부(-)적 영향을 미침과 동시에, 수용확산요인과 업무성과 사이에서 부분매개효과를 갖는 것으로 나타났다. 따라서 에너지관리시스템 수용확산요인을 통한 도입성과를 높이기 위해서는 사용자의 혁신저항을 줄이기 위한 조직차원적 관리전략의 뒷받침이 중요함을 알 수 있었다. 결국, 본 연구를 통해 제조기업 생산프로세스의 효율성 및 경영성과를 긍정적으로 이끌기 위한 함의를 얻을 수 있었으며, 앞으로 연구범위의 확장과 에너지관리시스템의 특성을 고려한 후속연구가 필요하다고 판단된다.
KSII Transactions on Internet and Information Systems (TIIS)
/
제15권8호
/
pp.2993-3010
/
2021
The job shop scheduling problem (JSSP) plays a critical role in smart manufacturing, an effective JSSP scheduler could save time cost and increase productivity. Conventional methods are very time-consumption and cannot deal with complicated JSSP instances as it uses one optimal algorithm to solve JSSP. This paper proposes an effective scheduler based on deep learning technology named self-supervised long-short term memory (SS-LSTM) to handle complex JSSP accurately. First, using the optimal method to generate sufficient training samples in small-scale JSSP. SS-LSTM is then applied to extract rich feature representations from generated training samples and decide the next action. In the proposed SS-LSTM, two channels are employed to reflect the full production statues. Specifically, the detailed-level channel records 18 detailed product information while the system-level channel reflects the type of whole system states identified by the k-means algorithm. Moreover, adopting a self-supervised mechanism with LSTM autoencoder to keep high feature extraction capacity simultaneously ensuring the reliable feature representative ability. The authors implemented, trained, and compared the proposed method with the other leading learning-based methods on some complicated JSSP instances. The experimental results have confirmed the effectiveness and priority of the proposed method for solving complex JSSP instances in terms of make-span.
본 논문은 나사 가공을 위한 원재료 공급부터 시작해서 선반 머신으로 가공되어 제품의 불량 여부에 대한 검수를 스마트팩토리 기술이 도입된 로봇이 자동으로 조립 및 분해 작업을 통해 검수를 해주는 모니터링 시스템에 대해 제안하였다. 생산 지시 수량과 생산 지시에 따른 완료 체크는 변위센서로 원재료 입고 여부에 따른 생산 현황을 체크하였고 가공된 Female, male 의 피치, 외형 검사를 진행하여 OK, NG 판별을 한다. 로봇시스템에서는 원자재 적재, 반출, 파레트 이송 및 전반적인 공정에 개입하며, 유기적으로 구동될 수 있도록 중계역할을 하였고 나사 가공품에 대한 위치 정보는 비접촉 무선 태그를 활용하여 위치 정보를 수집하였고 Energy Saving System으로 장비 생산 효율성 및 가동율에 대해 체크하였다. 환경센서는 공조환경 데이터(온도, 습도)를 수집하여 정확한 온도 및 습도 측정 하여, 제품 가공 품질 영향 체크 제품의 구동 위험 수준 환경(과열, 다습)에 대해 관리 감시하였고 CNC 및 로봇모듈에 대한 제어는 PLC로 하여 이기종 시스템 통합 운영하였다.
본 논문에서는 컨볼루션 신경망 네트워크를 이용하여 VVC 화면 내 예측으로 얻은 예측 블록을 개선하여 잔차 신호를 보다 줄이는 화면 내 예측 방법을 제안한다. 기존의 화면 내 예측 방법은 일부 고정 규칙을 기반으로 주변의 재구성된 참조 샘플로부터 예측 블록을 생성하므로 복잡한 콘텐츠의 예측 블록을 생성하기 어렵다는 한계가 있다. 또한, 참조 샘플로 이용할 수 있는 정보의 양이 시간적 주변 정보에 비해 적기 때문에 화면 간 예측보다 낮은 부호화 성능을 가진다. 본 연구에서는 앞서 언급한 문제를 해결하기 위해 기존의 비디오 부호화 과정의 화면 내 예측을 통해 생성되는 예측 블록에 CNN을 적용하여 원본 블록과 예측 블록의 차분 신호를 줄이는 화면 내 예측 방법을 제안한다. 부호기에서는 제안 알고리즘의 활성 여부를 나타내는 플래그가 함께 부호화된다. 제안하는 화면 내 예측 방법은 최신 비디오 압축 표준인 Versatile Video Coding의 참조 모델인 VTM version 10.0 대비 휘도 성분에 대하여 향상된 압축 성능을 제공한다.
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.