필터류를 이용한 철강공장 압연 생산 데이터의 취득과 머신러닝의 효율화로 예방적 유지보수 방안 연구

조현성

doi:10.5762/KAIS.2023.24.4.1

추천

검색

질문

자료유형: 학술저널

저자정보: 조현성 (부천대학교)

저널정보: 한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제24권 제4호

발행연도: 2023.4

수록면: 1 - 12 (12page)

DOI: 10.5762/KAIS.2023.24.4.1

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

개발된 칼만필터와 베이지안 기계학습을 응용한 예방적 유지보수 모델의 필요성은 정의된 수준의 가용성과 안정성을 유지하면서 총 유지 관리 비용을 최소화하는 것이다. 본 연구는 복잡한 수리 가능한 시스템에서 비용을 최적화하고 기계의 유효 수명을 향상시키기 위한 예방적 유지보수 스케줄링 모델을 제안한다. 유지보수 비용에는 임의 고장으로 인한 손실 비용, 수리 비용, 교체 비용 및 계획된 총 다운타임 비용이 포함된다. 검사, 수리 및 교체와 같은 다단계 예방유지 관리 조치는 전체 계획 기간에 포함된다. 제철공장의 스마트팩토리 생산관리시스템에서 추출한 압연공정의 데이터를 기반으로 최적화 모델을 이용하였으며 최적의 솔루션을 제공하기 위해 시뮬레이션을 수행하였다. 데이터분석 프로그래밍 언어 R은 오픈 소스 플랫폼이며 RStudio는 R프로그램 작성 및 실행을 위한 통합 개발환경 프로그램(IDE)이다. 16GB RAM 및 Windows 10 Pro가 탑재된 Intel Core i5에서 실행되는 작업공간에서 R의 프로그램을 사용하여 칼만 필터와 베이지안 기계학습 알고리즘을 응용했다. 제안된 알고리즘과 수학적 모델을 제 4차 산업혁명의 스마트팩토리에서 활용할 경우 유지보수 비용을 8~10%의 절감을 목표로 원가절감을 통한 기업경쟁력의 향상이 기대된다.

#Artificial Intelligence #Convergence and Complex #Kalman Filter #Machine Learning #Predictive Maintenance

참고문헌 (53)

참고문헌 신청

Neto, Anis Assad, et al. "Fault prediction as a service in the smart factory: addressing common challenges for an effective implementation." IFAC-PapersOnLine vol. 53, no. 2, pp. 10743-10748, 2020. DOI: https://doi.org/10.1016/j.ifacol.2020.12.2855

Ahmed, Hosameldin; Nandi, Asoke K. Condition monitoring with vibration signals: Compressive sampling and learning algorithms for rotating machines. John Wiley & Sons, 2020.

Amruthnath, Nagdev; Gupta, Tarun. A research study on unsupervised machine learning algorithms for early fault detection in predictive maintenance. In: 2018 5th international conference on industrial engineering and applications (ICIEA). IEEE, pp. 355-361

Snoek, Jasper; Larochelle, Hugo; Adams, Ryan P. Practical bayesian optimization of machine learning algorithms. Advances in neural information processing systems, 25, 2012. DOI: https://doi.org/10.48550/arXiv.1705.04405

X.Mai, J.Cheng and S.Wang, “Research on semi supervised K-means clustering algorithm in data mining,” Cluster Computing, vol. 22, pp. 3513–3520, 2019. DOI: https://doi.org/10.1007/s10586-018-2199-7

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

조현성

소속기관 부천대학교

주요연구분야 공학 > 공학 일반

논문수 2 이용수 141

이 논문과 함께 이용한 논문

CNN 알고리즘을 통한 수학 문제 답지 추론

안채령 , 백재순 , 김성진 한국컴퓨터정보학회 학술발표논문집 2024 .01

알고리즘 구현을 위한 수학적 기반이론에 대한 사전 설명의 효과에 관한 연구

이덕우 한국산학기술학회 논문지 2021 .10

머신러닝을 활용한 소형 압연 공정 온도 예측 신뢰성 평가

박종현 , 이정한 , 서경원 제어로봇시스템학회 논문지 2020 .06

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 (53)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)