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
- 학술저널
- 저자정보
- 발행연도
- 2024.8
- 수록면
- 393 - 401 (9page)
- DOI
- 10.5050/KSNVE.2024.34.4.393
이용수
초록· 키워드
오류제보하기
This paper introduces a denoising autoencoder designed to distinguish between normal vibration data and various types of fault vibration data generated in semiconductor handlers. Unlike previous studies that windowed all time-series data based on fixed intervals, this study proposes a method of windowing data at the unit of action, using semiconductor handler time stamps for initial segmentation. The data are then uniformly standardized via linear interpolation. Additionally, to simplify the time-series vibration data patterns, the Hilbert transform and Butterworth low-pass filter are applied. The deep-learning model is structured with parallel components with both time and frequency domains, facilitating detection across various fault scenarios. In contrast to studies processing time-series data into fixed sizes, this approach demonstrates strong performance despite employing a relatively simple deep-learning model.
목차
ABSTRACT
1. 서론
2. 잡음 제거 오토인코더
3. 데이터 취득
4. 결함탐지 알고리즘
5. 결론
References
참고문헌 (10)
참고문헌 신청
Venkatasubramanian, V., Rengaswamy, R., Yin, K. and Kavuri, S. N., 2003, A Review of Process Fault Detection and Diagnosis: Part I: Quantitative Model-based Methods, Computers & Chemical Engineering, Vol. 27, No. 3, pp. 293~311.
Kim, S., Park, S., Lim, D. and Han, J.-H., 2023, Deep-learning-based Prediction of Qualitative Evaluation Grade for Abnormal Noise in Commercial Vehicles using Convolution Neural Network, Transactions of the Korean Society for Noise and Vibration Engineering, Vol. 33, No. 1, pp. 58~66.
Bishop, C. M., 1995, Training with Noise Is Equivalent to Tikhonov Regularization, Neural Computation, Vol. 7, No. 1, pp. 108~116.
Balcan, D. and Lewicki, M., 2005, A Theoretical Analysis of Robust Coding over Noisy Overcomplete Channels, Advances in Neural Information Processing Systems 18.
Wang, Y., Yao, H. and Zhao, S., 2016, Autoencoder based Dimensionality Reduction, Neurocomputing, Vol. 184, pp. 232~242.
Kim, S., Park, S., Lim, D. and Han, J.-H., 2023, Deep-learning-based Prediction of Qualitative Evaluation Grade for Abnormal Noise in Commercial Vehicles using Convolution Neural Network, Transactions of the Korean Society for Noise and Vibration Engineering, Vol. 33, No. 1, pp. 58~66.
Bishop, C. M., 1995, Training with Noise Is Equivalent to Tikhonov Regularization, Neural Computation, Vol. 7, No. 1, pp. 108~116.
Balcan, D. and Lewicki, M., 2005, A Theoretical Analysis of Robust Coding over Noisy Overcomplete Channels, Advances in Neural Information Processing Systems 18.
Wang, Y., Yao, H. and Zhao, S., 2016, Autoencoder based Dimensionality Reduction, Neurocomputing, Vol. 184, pp. 232~242.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
A Survey on Deep Learning-based Anomaly Detection Models for Time Series Data
한국정보과학회 학술발표논문집
2019 .06
-
ICT 인프라 이상탐지를 위한 조건부 멀티모달 오토인코더에 관한 연구
지능정보연구
2021 .09
-
헬리콥터 액추에이터 고장 탐지를 위한 딥러닝 기반 시계열 데이터 분석
항공우주시스템공학회 학술행사 논문집
2023 .10
-
비지도학습 딥러닝을 활용한 이상거래탐지 시스템 모델
한국정보과학회 학술발표논문집
2018 .06
-
Multi-Column AutoEncoder를 사용한 One-Class 분류 진동 이상 탐지 기법
한국컴퓨터정보학회논문지
2023 .02
-
기계 이상 탐지를 위한 시계열 데이터 기반 딥러닝 모델 설계에 관한 연구
한국통신학회 학술대회논문집
2020 .02
-
Flow Fields Denoising Using Autoencoder Based on Unsupervised Learning
한국가시화정보학회 학술발표대회 논문집
2023 .11
-
비지도학습을 통한 고장 탐지 알고리즘
대한산업공학회 춘계공동학술대회 논문집
2021 .06
-
딥러닝 기반의 전동기 결함 진단
대한기계학회 춘추학술대회
2022 .11
-
오토인코더기반의 신호재구성모델을 이용한 화력발전소 고장검출
전기학회논문지
2020 .06
-
딥 러닝 기법을 적용한 센서 고장 데이터 처리에 관한 연구
한국통신학회 학술대회논문집
2017 .11
-
Experimental Analysis of the Effect of Autoencoder Architectures on Time Series Representation Learning
한국정보과학회 학술발표논문집
2020 .07
-
진동을 이용한 딥러닝 기반 구동장치 감속기 결함 분류 시스템
한국컴퓨터정보학회 학술발표논문집
2019 .07
-
변분 평활법과 오토인코더를 이용한 반도체 설비 이상탐지
대한산업공학회 춘계공동학술대회 논문집
2021 .06
-
Deep Learning Model Architecture for Rare Event Time Series Prediction
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2019 .06
-
딥러닝 모터고장진단을 위한 소음 및 진동 데이터의 특성 비교
대한전기학회 학술대회 논문집
2019 .04
-
Recommendation system using Deep Autoencoder for Tensor data
한국컴퓨터정보학회논문지
2019 .08
-
Methods for Fault Diagnosis in Mechanical Systems based on Deep Learning in the Absence or Class Imbalance of Fault Data
Journal of the Korean Society for Precision Engineering
2023 .05
-
Denoising Autoencoder 기반의 반도체 공정 이상 탐지
대한산업공학회 추계학술대회 논문집
2016 .11
-
시계열 데이터의 이미지 인코딩 및 Autoencoder 를 이용한 절삭공구의 이상감지
한국정밀공학회 학술발표대회 논문집
2024 .11
이 논문과 함께 이용한 논문
리셉턴스 합성 기법을 이용한 공작기계 모듈러 설계 방법론 연구
손제현
,
김재윤
,
이창호
외 2명
한국소음진동공학회논문집
2024
.06
전달경로분석법을 이용한 상용 전기 차량의 크립 그론 소음 저감 연구
박우엽
,
전주현
,
유성호
외 1명
한국소음진동공학회논문집
2022
.08
Full Adder 회로에서 7nm FinFET 기술의 성능 분석
최성훈
,
Mohammad Khaleqi Qaleh Jooq
,
AlaaDdin AI-Shidaifa
외 1명
대한전자공학회 학술대회
2024
.06
FinFET 소자 구조에서 EPI 구조 변화가 소자 성능에 미치는 영향성 분석
반학준
,
이승원
,
홍슬기
대한전자공학회 학술대회
2024
.06
인공신경망을 이용한 Work Function Variation (WFV), Random Dopant Fluctuation (RDF)가 유발하는 5㎚ FinFET의 전기적 특성 변화 예측
김지환
,
이재준
,
이진웅
외 2명
대한전자공학회 학술대회
2021
.11
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-090274172