사출 공정에서 불량 예측을 위한 데이터 분석 및 AI 적용 모델

이기성; 이종찬

doi:10.5762/KAIS.2022.23.12.1001

추천

검색

질문

자료유형: 학술저널

저자정보: 이기성 (호원대학교) 이종찬 (군산대학교)

저널정보: 한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제23권 제12호

발행연도: 2022.12

수록면: 1,001 - 1,008 (8page)

DOI: 10.5762/KAIS.2022.23.12.1001

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

사출 공정에서 제품의 품질은 사출기 내·외부 데이터에 따라 변화할 수 있고 이러한 변화는 용융 수지의 상태에 반영되므로 관련 데이터를 추출하여 제품의 품질과 공정을 관리하는 것이 필요하다. 현재 사출성형의 품질관리는 주로 과거의 생산 데이터에 기초한 통계적인 방법과 작업자의 경험에 의존하고 있지만, 사출성형 시에 복합적인 조건을 반영하기에는 현실적 어려움이 있으며 불량품을 양산할 가능성이 항상 존재하므로, 효율적인 데이터 관리 체계가 필요하다. 데이터의 수집은 물리적으로 한계가 없으나, 활용의 측면에서 수집한 데이터로부터 의미 있는 정보를 추출하고 제조 현장에 활용하기 위해서는 고수준의 분석작업이 필요하므로 데이터를 활용하고 있는 기업의 수가 적은 것이 현실이다. 본 연구에서는 실제 사출 공정에서 발생하는 품질 문제를 해결하기 위하여 수집된 주요 공정 데이터의 상관관계 분석을 수행하고, 다양한 기계학습 방법과 알고리즘을 활용하여 사출 공정 데이터로부터 불량 예측 모델을 만든다. 이를 통하여, 제조기업의 프레스 공정조건 최적화 및 품질 예측을 수행하고 휴먼 오류를 최소화함으로써 불량률을 개선할 수 있다.

#Big-data #AI #Manufacturing Data #Data Analysis #Injection Process

참고문헌 (12)

참고문헌 신청

G. S. Lee, J. C. Lee, “Data Analytics in Manufacturing”, Journal of the Korea Academia-Industrial cooperation Society, vol. 23, no. 10, pp. 705-711, 2022. DOI: https://doi.org/10.5762/KAIS.2022.23.10.705

B. Wang, F. Tao, "Smart Manufacturing and Intelligent Manufacturing: A Comparative Review" Elsevier BV, vol. 7, no. 6, pp. 738-757, 2021. DOI: https://doi.org/10.1016/j.eng.2020.07.017

Y. Koren, X. Gu, W. Guo, “Reconfigurable Manufacturing Systems: Principles, Design, and Future Trends”, Frontiers of Mechanical Engineering, vol. 13, pp. 121-136, 2018. DOI: https://doi.org/10.1007/s11465-018-0483-0

S. Y. Kim, “A Case Study of the Introduction of Smart Factory Operation Management (FOM) in the Fourth Industrial Revolution Era”, Journal of Korean Association of Computer And Accounting, vol. 16, no. 1, pp. 43-62. 2018. DOI: https://doi.org/10.32956/kaoca.2018.16.1.43

K. S. Noh, S. W. Park, “An Exploratory Study on Application Plan of Big Data to Manufacturing Execution System”, The Society of Digital Policy and Management, vol. 12, no. 1 pp. 305-311, 2014. DOI: https://doi.org/10.14400/JDPM.2014.12.1.305

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이기성

소속기관 호원대학교

주요연구분야 공학 > 공학 일반 TOP 5%

논문수 38 이용수 2,538

이종찬

소속기관 금오공과대학교

주요연구분야 공학 > 공학 일반 TOP 5% 공학 > 기계공학 > 기계공학 일반 TOP 5%

논문수 339 이용수 18,684

이 논문과 함께 이용한 논문

스마트 공장의 품질예측을 위한 딥러닝 모델 적용 연구 - 플라스틱 사출공정을 중심으로

조현민 , 신현준 한국산학기술학회 논문지 2021 .10

머신러닝을 활용한 사출성형 품질 예측에 관한 연구

김대호 , 홍준희 한국생산제조학회지 2022 .08

인공지능 기반의 사출성형 품질관리 플랫폼 개발

장세엽 , 이명신 , 강민영 외 1명 한국생산제조학회 학술발표대회 논문집 2022 .12

딥러닝을 활용한 사출성형제품 품질 예측

이태경 대한기계학회 춘추학술대회 2022 .11

공기 필터 생산 품질 관리를 위한 딥러닝 머신비전 연구

구경민 , 이인준 한국정밀공학회 학술발표대회 논문집 2022 .10

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (12)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)