메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
박종혁 (고려대학교) 김성식 (고려대학교)
저널정보
대한산업공학회 대한산업공학회 추계학술대회 논문집 2008년 대한산업공학회 추계학술대회 논문집
발행연도
2008.11
수록면
880 - 888 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
주기 신호 데이터의 이상 탐지를 위해 Non-stationary SPC 차트, PCA, PLS, Hotelling"s T2 등과 같은 다양한 통계 기법이 사용되고 있다. 그러나 이러한 방법들은 결측치가 존재하거나 샘플링 된 데이터 개수가 상이한 문제 등이 발생하는 실질적인 공정 데이터를 처리하여 적용하기에 어려운 측면이 존재한다. 더욱 여러 step의 구성으로 이루어지는 주기 신호 데이터의 경우에는 정상적인 공정에서 발생한 데이터 임에도 step의 길이가 각각 달라 그 길이 비율에 따라 결함감지 성능이 크게 좌우된다. 이에 본 연구에서는 Spline Regression 과 Support Vector Machine을 이용한 주기 신호 데이터의 이상 감지 알고리즘을 제안한다. 먼저 step이 변경되는 지점을 knot점으로 설정하여 구간을 나누고 주기 신호를 Spline Function에 적합 시킨다. 이때 Spline Function을 구성하는 각각의 basis에 곱해지는 계수를 구하여 이상 감지를 위한 feature라 삼는다. 이후 정상 신호와 이상 신호로 판단된 데이터 집합에서 추출한 feature값을 사용하여 Support Vector Machine의 classifier를 구성한다. 실제 공정의 신호를 바탕으로 구성한 시뮬레이션 데이터를 이용하여 기존 방법과 판단 정확도를 비교하고 결과에 대해 분석한다.
#Support Vector Machine #Spline Regression #FDC #Cyclic Signals

목차

Abstract
1. 서론
2. Spline Feature 추출법
3. Support Vector Machine 결함 감지
4. 실험
5. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2013-530-003326827