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
- 학위논문
- 저자정보
- 지도교수
- 임준묵
- 발행연도
- 2023
- 저작권
- 한밭대학교 논문은 저작권에 의해 보호받습니다.
이용수9
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
현대사회의 일상생활에서 많이 활용되고 있는 제품들은 대부분 열가소성 플라스틱을 가공하여 생산한다. 이 제품들은 사출성형기와 형상을 가공한 금형에 의해 가공된다. 플라스틱은 경량, 단열, 생산성이 우수하고 대량 생산을 통해 공급되어 왔다. 사출성형기에 의한 성형은 일반적으로 플라스틱을 높은 온도로 가열하고 제품의 형상과 같이 가공된 금형에 용융된 플라스틱을 주입하여 형상을 구현할 수 있다. 이러한 플라스틱 제품을 안정적으로 생산하기 위해서는 고 숙련의 기술자로 최적의 작업조건에 의해 생산 되어야 한다. 그러나 최근 들어 플라스틱 가공기술자들이 줄어들고 있으며 그 이유로는 기존 기술자들의 은퇴, 신규 기술자들의 양성을 위한 전문 교육기관이나 시설 및 지원 정책 부족과 제조업 기피 등의 이유로 직종의 고 숙련자의 수는 계속 줄고 있다. 이러한 어려운 상황을 극복하기 위해 제조 분야 특히 사출 공정에서 스마트팩토리, 생산 자동화, 무인화에 대한 연구 또한 많이 진행 중에 있다.
본 논문에서는 고 숙련 기술자에 의해 제시되었던 최적 사출성형 공정 파라미터를 머신러닝을 통해 찾고자 한다. 공정 중에 발생하는 실제 동작 값을 활용하여 공정 중에 발생하는 파라미터의 학습을 통해 최적값을 도출하고 이와 함께 변동되는 값들을 모니터링하여 제품의 불량을 예측하는 것을 최종적인 목표로 한다.
최적화된 파라미터를 활용하여 현장 제조공정에 접목된다면 설비의 가동률, 불량 등의 생산으로 인한 손실을 줄일 수 있을 것이다. 또한 전문 기술자에 의해 설정된 공정 파라미터들은 기술 수준이 낮아져 인력난을 극복할 수 있을 것이다.
품질 예측을 위한 머신러닝 모델은 Logistic Regression, Naïve bayes, RandomForest, Support Vector Machine을 적용하였다. 공정 중 발생하는 데이터 셋은 ㈜W사에서 제공 받았고 양품과 불량품으로 레이블링 되어있다. 또한 각 머신러닝 알고리즘별로 최적의 파라미터를 설정하여 데이터를 학습시켰으며, 혼동행렬과 성과지표를 기반으로 모델의 정확도를 평가하였다. 그 후 가장 좋은 성능을 보여주는 모델을 선정하여 그 모델을 기준으로 변수 중요도를 측정하여 최적의 설정값을 제안하였다.
본 논문에서는 고 숙련 기술자에 의해 제시되었던 최적 사출성형 공정 파라미터를 머신러닝을 통해 찾고자 한다. 공정 중에 발생하는 실제 동작 값을 활용하여 공정 중에 발생하는 파라미터의 학습을 통해 최적값을 도출하고 이와 함께 변동되는 값들을 모니터링하여 제품의 불량을 예측하는 것을 최종적인 목표로 한다.
최적화된 파라미터를 활용하여 현장 제조공정에 접목된다면 설비의 가동률, 불량 등의 생산으로 인한 손실을 줄일 수 있을 것이다. 또한 전문 기술자에 의해 설정된 공정 파라미터들은 기술 수준이 낮아져 인력난을 극복할 수 있을 것이다.
품질 예측을 위한 머신러닝 모델은 Logistic Regression, Naïve bayes, RandomForest, Support Vector Machine을 적용하였다. 공정 중 발생하는 데이터 셋은 ㈜W사에서 제공 받았고 양품과 불량품으로 레이블링 되어있다. 또한 각 머신러닝 알고리즘별로 최적의 파라미터를 설정하여 데이터를 학습시켰으며, 혼동행렬과 성과지표를 기반으로 모델의 정확도를 평가하였다. 그 후 가장 좋은 성능을 보여주는 모델을 선정하여 그 모델을 기준으로 변수 중요도를 측정하여 최적의 설정값을 제안하였다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0