• 한국공작기계학회논문집
• /
• 제15권2호
• /
• pp.99-106
• /
• 2006

In this paper, the new method that estimates a sensing ability of smart sensor will be proposed. A study is estimation method that evaluates sensing ability about smart sensor respectively. According to acceleration(g) and displacement changing, we estimated sensing ability of smart sensor using SAI(Sensing Ability Index) method respectively. Smart sensors was made fer experiment. The types of smart sensor are two types(hard and soft smart sensor). Smart sensors developed for recognition of material. Experiment and analysis are executed for estimate the SAI method. In develop a smart sensor, the SAI method will be useful for finding optical design condition of smart sensor that can sense a material. And then dynamic characteristics of smart sensors(frequency changing, acceleration changing, critical point, etc.) are evaluated respectively through new method(SAI) that use the power spectrum density. Dynamic characteristic of sensor is evaluated with SAI method relatively. We can use the SAI for finding critical point of smart sensor, too.

• 한국정보통신학회논문지
• /
• 제20권12호
• /
• pp.2348-2354
• /
• 2016

최근 농업분야에서 IoT(Internet of Things)기술을 통해 다양한 생체 및 환경 정보를 DB(data base)로 구축할 수 있게 되면서 빅 데이터를 이용한 기계학습 분석이 증가하고 있다. 기계학습 분석을 통해 농업의 생산량과 가축의 질병 등을 예측할 수 있게 되어 농업경영에서 효율적인 의사결정을 돕는다. 본 논문에서는 스마트 돈사의 다양한 환경데이터와 몸무게데이터를 이용하여 환경정보와 일당증체의 연관성 모델을 도출하고 그 정확도를 분석하였다. 이를 위해 기계학습의 M5P tree기법을 적용하였다. 분석을 통해 일당증체량이 풍속에 큰 영향을 받는 것을 확인하였다.

• 한국정보통신학회논문지
• /
• 제22권11호
• /
• pp.1421-1427
• /
• 2018

사물 인터넷 기술의 급속한 발전으로 다양한 종류의 스마트 센서들이 개발 보급되고 있다. 이러한 스마트 센서들은 주로 관리자의 경험에 의해서 관리되던 축산업에도 최근 적용되어 가축 개체에 웨어러블 센서를 달거나 사물인터넷 센서를 갖춘 스마트팜 사용을 통해서 가축관리의 효율성을 향상시키고 있다. 본 논문에서는 목걸이형 스마트 센서를 이용하여 젖소의 체온과 운동량을 측정하고 이를 기반으로 개체의 상태를 파악하는 방안을 개발하였다. 특히 젖소 관리에서 제일 중요한 요소인 젖소의 발정여부를 파악하는 방안을 다양한 머신러닝 방법을 이용하여 분석하였고 이를 통해서 높은 정확도로 발정여부를 예측할 수 있음을 보였다. 제안한 방안의 사용을 통해서 젖소의 발정여부를 빠르게 확인하고 이를 통해서 젖소 관리의 효율성을 향상시킬 수 있다.

• 스마트미디어저널
• /
• 제6권4호
• /
• pp.9-16
• /
• 2017

열차의 방향을 기존 방향에서 다른 방향으로 이동시키기 위한 변환 장치인 선로 전환기의 고장은 열차의 탈선 등을 유발시킬 수 있다. 따라서 열차운행의 안전 측면에서 해당 장비에 대한 모니터링은 필수 요소이다. 본 논문에서는 선로 전환기의 구동시 발생하는 소리 정보를 기반으로 잡음에도 강인한 선로 전환기의 이상 상황 탐지시스템을 제안한다. 먼저 제안한 시스템은 소리 센서에서 실시간으로 취득하는 소리 신호에 STFT(Short-Time Fourier Transform)를 적용하여 스펙트로그램을 취득한다. 실제 환경에서 발생하는 잡음의 영향에도 강인한 성능을 보장하기 위하여, 해당 스펙트로그램에 대한 전처리 과정을 수행 후 모듈화 한다. 각각의 모듈에서 평균값과 표준편차를 계산 및 조합하여 특징 벡터로 생성한 후 이진 분류에 뛰어난 성능이 확인된 SVM(Support Vector Machine)에 적용하여 이상 상황을 탐지한다. 실제 선로 전환기의 전환 시 발생하는 소리 데이터를 이용하여 모의실험을 수행한 결과, 제안한 시스템은 잡음이 발생하는 상황에서도 효과적으로 이상 상황을 탐지함을 확인하였다.

• 한국기계가공학회지
• /
• 제16권2호
• /
• pp.69-80
• /
• 2017

In or To use, manage, and preserve sustainable water resources for the current and future generations amid the threat of abnormal climate, it is necessary to establish a smart water grid system, the next-generation intelligent water management system. In this study, sensors, which make use of the five senses to watch, listen, and detect machine vibration, bearing temperature, machine operation sounds, current, voltage, and other symptoms that cannot be verified when the irrigation facilities are running, are used to establish various decision-making criteria appropriate to on-site situations. Based on such criteria, the unmanned conditions in the facilities were verified and analyzed. Existing technologies require on-site workers to check any defects caused by overloading of machines, which is the biggest constraining factor in the application of an unmanned control system for irrigation facilities. The new technology proposed in this study, on the other hand, allows for the unmanned analysis of the existence of machine vibration. This controls the decision-making process of any defect based on the analysis results, and necessary measures are taken automatically, resulting in improved reliability of the unmanned automation.

• 대한임베디드공학회논문지
• /
• 제14권5호
• /
• pp.277-286
• /
• 2019

In this paper, we propose an efficient hyperplane generation technique to classify human activity from combination of events and sequence information obtained from multiple-event sensors. By generating hyperplane efficiently, our machine learning algorithm classify with less memory and run time than the LSVM (Linear Support Vector Machine) for embedded system. Because the fact that light weight and high speed algorithm is one of the most critical issue in the IoT, the study can be applied to smart home to predict human activity and provide related services. Our approach is based on reducing numbers of hyperplanes and utilizing robust string comparing algorithm. The proposed method results in reduction of memory consumption compared to the conventional ML (Machine Learning) algorithms; 252 times to LSVM and 34,033 times to LSTM (Long Short-Term Memory), although accuracy is decreased slightly. Thus our method showed outstanding performance on accuracy per hyperplane; 240 times to LSVM and 30,520 times to LSTM. The binarized image is then divided into groups, where each groups are converted to binary number, in order to reduce the number of comparison done in runtime process. The binary numbers are then converted to string. The test data is evaluated by converting to string and measuring similarity between hyperplanes using Levenshtein algorithm, which is a robust dynamic string comparing algorithm. This technique reduces runtime and enables the proposed algorithm to become 27% faster than LSVM, and 90% faster than LSTM.

• 산업경영시스템학회지
• /
• 제44권4호
• /
• pp.12-22
• /
• 2021

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.

• 인터넷정보학회논문지
• /
• 제24권2호
• /
• pp.47-56
• /
• 2023

수소 에너지는 높은 에너지 효율로 열과 전기를 생산하면서도 온실가스와 미세먼지 등 유해물질 배출이 없는 친환경 에너지로서, 전 세계적으로 탄소중립으로의 전환을 위한 핵심으로 주목받고 있다. 특히 스마트 수소에너지는 경제적이고 지속 가능하며, 안전한 미래 스마트 수소에너지 서비스로써 수소 에너지의 기반 시설이 디지털로 통합되어 '데이터' 기반으로 안정적으로 운영되는 서비스를 의미한다. 본 논문에서는 데이터 기반 수소 충전소 수요예측 모델 구현을 위해 강원도 내 설치되어 있는 수소 충전소 3곳(춘천, 속초, 평창)을 선정, 수소 충전소의 수요공급 데이터를 확보하였고, 머신러닝 및 딥러닝 알고리즘 7개를 선정하여 총 27종 입력 데이터(기상데이터+수소 충전소 수요량)로 모델을 학습하였고, 평균 제곱근 오차(RMSE)로 모델을 평가하였다. 이를 통해 본 논문에서는 최적의 수소 에너지 수요공급을 위한 머신러닝 기반 수소 충전소 에너지 수요 예측 모델을 제안한다.

• Journal of information and communication convergence engineering
• /
• 제20권1호
• /
• pp.65-72
• /
• 2022

With the mark of the fourth industrial revolution, the smart factory is evolving into a new future manufacturing plant. As a human-machine-interactive tool, augmented reality (AR) helps workers acquire the proficiency needed in smart factories. The valuable data displayed on the AR device must be delivered intuitively to users. Current AR applications used in smart factories lack user movement calibration, and visual fiducial markers for position correction are detected only nearby. This paper demonstrates a marker-based object detection using perspective projection to adjust augmented content while maintaining the user's original perspective with displacement. A new angle, location, and scaling values for the AR content can be calculated by comparing equivalent marker positions in two images. Two experiments were conducted to verify the implementation of the algorithm and its practicality in the smart factory. The markers were well-detected in both experiments, and the applicability in smart factories was verified by presenting appropriate displacement values for AR contents according to various movements.

• International journal of advanced smart convergence
• /
• 제5권4호
• /
• pp.32-39
• /
• 2016

Machine learning is a field of artificial intelligence (AI), and a technology that collects, forecasts, and analyzes securities data is developed upon machine learning. The difference between using machine learning and not using machine learning is that machine learning-seems similar to big data-studies and collects data by itself which big data cannot do. Machine learning can be utilized, for example, to recognize a certain pattern of an object and find a criminal or a vehicle used in a crime. To achieve similar intelligent tasks, data must be more effectively collected than before. In this paper, we propose a method of effectively collecting data.