지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2024.5
- 수록면
- 3,061 - 3,065 (5page)
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
다양한 제조 공정에서 사용되는 볼트 체결 공법은, 적절한 체결력 및 체결 품질 확보를 위해 체결 선도 분석을 통한 이상 감지 과정이 중요하다. 체결력 확보를 위해 자동차 부품 체결 등에 적용하는 소성역 각도법 체결법의 경우, 볼트 체결 과정에서 시계열 데이터는 진동 노이즈 성분을 포함하며 소성역 진입 과정에서 기울기가 감소하는 특성이 있다. 이러한 체결 데이터의 품질 확보, 즉 소성 여부를 판단하고자, 본 연구에서는 시계열 데이터의 특성을 학습하기 위해 1d CNN-LSTM 딥러닝 모델을 제안한다. 이는 데이터의 국소적 패턴 변화를 기반으로 이상 감지 rule을 적용한 기존의 통계적 분석 방법에 비하여 다양한 이상 케이스와 노이즈 환경에서 더 강건하고 높은 이상 감지 성능을 확보할 수 있다. 본 연구에서 제시하는 방법론은 진동 형태의 노이즈를 가지며 시간에 따라 기울기가 변하는 지점을 감지해야 하는 여러 제조 현장에서 이상 감지 방법론으로 활용할 수 있는 가치를 지닌다.
목차
초록
1. 서론
2. 관련 연구
3. 연구 방법
4. 실험 결과
5. 결론
6. 참고 문헌
참고문헌 (0)
참고문헌 신청최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089850782