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
학술저널
저자정보
Ji-Wook Kim (Korea Institute of Industrial Technology(KITECH)) Jin-Seok Jang (Korea Institute of Industrial Technology(KITECH)) Min-Seok Yang (Korea Institute of Industrial Technology(KITECH)) Ji-Heon Kang (Korea Institute of Industrial Technology(KITECH)) Kun-Woo Kim (Korea Institute of Industrial Technology(KITECH)) Young-Jae Cho (Korea Institute of Industrial Technology(KITECH)) Jae-Wook Lee (Korea Institute of Industrial Technology(KITECH))
저널정보
한국기계가공학회 한국기계가공학회지 한국기계가공학회지 제18권 제9호
발행연도
2019.9
수록면
29 - 35 (7page)

이용수

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

초록· 키워드

오류제보하기
The structure of the machinery industry due to the 4th industrial revolution is changing from precision and durability to intelligent and smart machinery through sensing and interconnection(IoT). There is a growing need for research on prognostics and health management(PHM) that can prevent abnormalities in processing machines and accurately predict and diagnose conditions. PHM is a technology that monitors the condition of a mechanical system, diagnoses signs of failure, and predicts the remaining life of the object. In this study, the vibration generated during machining is measured and a classification algorithm for normal and fault signals is developed. Arbitrary fault signal is collected by changing the conditions of un stable supply cutting oil and fixing jig. The signal processing is performed to apply the measured signal to the learning model. The sampling rate is changed for high speed operation and performed machine learning using raw signal without FFT. The fault classification algorithm for 1D convolution neural network composed of 2 convolution layers is developed.
#Machining Center(머시닝센터) #Machine Learning(머신러닝) #Fault Signal Classification(고장신호 분류) #CNN(합성곱 신경망)

목차

ABSTRACT
1. Introduction
2. Normal and fault data acquisition
3. Fault classification algorithm
4. Result of Fault Classification
5. Conclusion
REFERENCES

참고문헌 (18)

참고문헌 신청
임정우 / 2017 / 스마트팩토리 기반 제조공정 혁신에 관한 연구: 전자제품 조립 제조라인 적용사례 / 대한경영학회지 30(9):1609~1630 dbpia 소병업 / 2017 / 센서와 가상 공정설계를 활용한 스마트 팩토리 구축 / 한국전자통신학회 논문지 12(6):1071~1080 dbpia Seo, B. S. / 2019 / Introduction of the 4th Industrial Revolution and Success Stories through PHM Technology / Journal of the The Korean Society of Mechanical Engineers 59(1):32~37 google schola 최주호 / 2014 / 건전성예측 및 관리기술 연구동향 및 응용사례 / 항공우주시스템공학회지 8(4):7~17 dbpia 신인선 / 2018 / A Framework for Prognostics and Health Management Applications toward Smart Manufacturing Systems / International Journal of Precision Engineering and Manufacturing-Green Technology 5(4):535~554 Crossref

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

딥 러닝에 의한 전동기 기계적 고장 수준 결정을 위한 전동기 진동/전류 데이터 특성 분석 연구
한지훈 ,  박상욱 ,  홍선기 전기학회논문지 2021 .10
1차원 합성곱 신경망과 적대적 생성 신경망을 활용한 실시간 이상 감지
송승환 ,  백준걸 대한산업공학회 추계학술대회 논문집 2020 .11

최근 본 자료

전체보기

댓글(0)

0