최근 4차 산업혁명으로 인해 제조업계에서는 제조업의 인공지능을 접목시켜 효율성을 극대화하는 스마트 팩토리붐이 일어나고 있다. 특히 자동차 부품 제조 및 생산에 널리 적용되어 불량...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A107804882
2021
Korean
KCI등재
학술저널
36-42(7쪽)
1
0
상세조회0
다운로드국문 초록 (Abstract)
최근 4차 산업혁명으로 인해 제조업계에서는 제조업의 인공지능을 접목시켜 효율성을 극대화하는 스마트 팩토리붐이 일어나고 있다. 특히 자동차 부품 제조 및 생산에 널리 적용되어 불량...
최근 4차 산업혁명으로 인해 제조업계에서는 제조업의 인공지능을 접목시켜 효율성을 극대화하는 스마트 팩토리붐이 일어나고 있다. 특히 자동차 부품 제조 및 생산에 널리 적용되어 불량을 낮추는 연구들이 활발히 진행되고 있다. 이에 본 연구에서는 머신러닝을 통한 불량예측을 시트 폼 발포공정에 접목시켜 발포공정의 효율성을 극대화하는 연구를 진행하였다. 자동차 시트폼 에서 주로 사용되는 폴리우레탄 폼(polyurethane foam)은 폴리올(polyol, 이하 POL)과 이소시아네이트(isocyanate, 이하 ISO)를 혼합 및 발포하는 공정으로 제조되며, 각 원료의 혼합비율과 온도의 변화에 따라 제품의 특성이 변화한다. 이에 본 연구에서는 발포공정에서 수집되는 인자별 데이터값을 머신러닝에 적용하여 불량을 예측하고자 한다. 머신러닝에 사용되는 알고리즘으로는 의사결정트리, kNN, 앙상블 알고리즘을 사용하였으며 학습은 5,147개의 데이터를 사용하였으며, 학습된 결과를 1,000개의 검증용 데이터에 적용한 결과, 세 알고리즘 중 앙상블 알고리즘에서 최대 98.5 %의 정확도를 확인할 수 있었다. 이러한 결과를 통해 발포공정에서 실시간으로 수집되는 데이터를 통해 현재 생산되는 부품의 불량 여부를 확인할 수 있으며, 나아가 각 인자를 조절하여 불량률을 개선할 수 있음을 짐작할 수 있다고 사료된다.
다국어 초록 (Multilingual Abstract)
With recent developments in the Fourth Industrial Revolution, the manufacturing industry has changed rapidly. Through key aspects of Fourth Industrial Revolution super-connections and super-intelligence, machine learning will be able to make fault pre...
With recent developments in the Fourth Industrial Revolution, the manufacturing industry has changed rapidly. Through key aspects of Fourth Industrial Revolution super-connections and super-intelligence, machine learning will be able to make fault predictions during the foam-making process. Polyol and isocyanate are components in polyurethane foam. There has been a lot of research that could affect the characteristics of the products, depending on the specific mixture ratio and temperature. Based on these characteristics, this study collects data from each factor during the foam-making process and applies them to machine learning in order to predict faults. The algorithms used in machine learning are the decision tree, kNN, and an ensemble algorithm, and these algorithms learn from 5,147 cases. Based on 1,000 pieces of data for validation, the learning results show up to 98.5% accuracy using the ensemble algorithm. Therefore, the results confirm the faults of currently produced parts by collecting real-time data from each factor during the foam-making process. Furthermore, control of each of the factors may improve the fault rate.
목차 (Table of Contents)
참고문헌 (Reference)
1 한무명초, "제조 공정에서 센서와 머신러닝을 활용한 불량예측 방안에 대한 연구" 엘지씨엔에스 17 (17): 89-98, 2019
2 민성환, "부트스트랩 샘플링 최적화를 통한 앙상블 모형의 성능 개선" 한국인터넷정보학회 17 (17): 49-57, 2016
3 김홍석, "반응온도와 발포제 함량에 따른 폴리우레탄 발포특성에 관한 연구" 한국소성가공학회 18 (18): 256-261, 2009
4 안정언, "머신러닝을 이용한 반도체 웨이퍼 평탄화 공정품질 예측 및 해석 모형 개발" 사)한국빅데이터학회 4 (4): 61-71, 2019
5 Che, D, "Software tools and algorithms for biological systems" Springer 191-199, 2011
6 Navada, A, "Overview of use of decision tree algorithms in machine learning" 37-42, 2011
7 Bikard, J, "Numerical simulation of 3D polyurethane expansion during manufacturing process" 309 (309): 49-63, 2007
8 S. H. Woo, "Major Technologies and Introduction of Smart Factory"
9 Bzdok, Danilo, "Machine learning : supervised methods" 15 : 5-6, 2018
10 장용석, "K-근방 분류 알고리즘에 대한 비교 연구" 한국데이터정보과학회 30 (30): 977-985, 2019
1 한무명초, "제조 공정에서 센서와 머신러닝을 활용한 불량예측 방안에 대한 연구" 엘지씨엔에스 17 (17): 89-98, 2019
2 민성환, "부트스트랩 샘플링 최적화를 통한 앙상블 모형의 성능 개선" 한국인터넷정보학회 17 (17): 49-57, 2016
3 김홍석, "반응온도와 발포제 함량에 따른 폴리우레탄 발포특성에 관한 연구" 한국소성가공학회 18 (18): 256-261, 2009
4 안정언, "머신러닝을 이용한 반도체 웨이퍼 평탄화 공정품질 예측 및 해석 모형 개발" 사)한국빅데이터학회 4 (4): 61-71, 2019
5 Che, D, "Software tools and algorithms for biological systems" Springer 191-199, 2011
6 Navada, A, "Overview of use of decision tree algorithms in machine learning" 37-42, 2011
7 Bikard, J, "Numerical simulation of 3D polyurethane expansion during manufacturing process" 309 (309): 49-63, 2007
8 S. H. Woo, "Major Technologies and Introduction of Smart Factory"
9 Bzdok, Danilo, "Machine learning : supervised methods" 15 : 5-6, 2018
10 장용석, "K-근방 분류 알고리즘에 대한 비교 연구" 한국데이터정보과학회 30 (30): 977-985, 2019
11 C. S. Seo, "Establishing a Smart Factory to Improve Enterprise Productivity" 35 (35): 43-49, 2018
12 Polikar, Robi, "Ensemble machine learning" Springer 1-34, 2012
13 J. H. Choi, "Decision Trees and Its Applications" 4 (4): 61-83, 1999
14 S. Y. Kim, "Characteristics of Static Comfort with Changing Isocyanate/Polyol Mixing Ratio of Polyurethane Foam" 954-954, 2019
15 Vega-Pons, Sandro, "A survey of clustering ensemble algorithms" 25 (25): 2011
16 H. R. Yoon, "A Empirical Study on the Financial Stability Prediction Model of South Korea’s Public Enterprises with Machine Learning Techniques" Hansung University
간호관리학실습 교과내용에 대한 중요도와 실습 경험에 대한 간호대학생과 임상현장지도자의 인식 비교 연구
간호대학생의 회복 탄력성과 성격유형이 전공만족도에 미치는 영향
경수부 척수손상 환자의 기립성 저혈압에서 플루드로코티손의 효과 - 무작위 대조군 연구
학술지 이력
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | |
2017-07-01 | 평가 | 등재후보로 하락(현장점검) (기타) | |
2017-07-01 | 평가 | 등재학술지 선정 (계속평가) | |
2015-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2011-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2008-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | |
2007-08-28 | 학술지등록 | 한글명 : 한국산학기술학회논문지외국어명 : Journal of Korea Academia-Industrial cooperation Society | |
2007-07-06 | 학회명변경 | 영문명 : The Korean Academic Inderstrial Society -> The Korea Academia-Industrial cooperation Society | |
2007-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | |
2005-01-01 | 평가 | 등재후보학술지 선정 (신규평가) |
학술지 인용정보
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.68 | 0.68 | 0.68 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.66 | 0.61 | 0.842 | 0.23 |