사회과학 > 경영학 > 한국품질경영학회 > 한국품질경영학회 춘계학술발표논문집 최신 업데이트자료

로그인 | 회원가입 | 장바구니 | 고객센터

학술논문

마이페이지

충전하기

장바구니

사회과학 > 경영학 > 한국품질경영학회

분야
발행기관
간행물
발행연도

발행기관 : 한국품질경영학회 AND 간행물명 : 한국품질경영학회 춘계학술발표논문집 총 1173 개 논문이 검색 되었습니다.

전체자료

무료자료

열화 데이터 기반 경로 생성 기법을 활용한 부품 고장 시점 및 수명 예측: 임문원 , 배석주 한국품질경영학회, 한국품질경영학회 춘계학술발표논문집 [2021] 제2021권 31(총1페이지); 제품 개발 기간이 단축됨에 따라, 산업에서는 빠른 속도로 신제품을 양산하기 위한 목적으로 단기간의 신뢰성 평가가 지속적으로 요구되고 있다. 이를 수행하기 위하여, 기존 사용조건 대비 제품의 고장이 더욱 빠르게 발현되는 가혹 조건에서 시험을 실시하는 가속열화시험 (Accelerated Degradation Test; ADT)이 개발되었다. ADT를 활용하는 경우, 가속 조건 하에서 제품, 부품의 성능이 열화되는 경향을 측정하여, 이를 기반으로 실제 사용조건에서의 성능 열화량을 추정할 수 있다. 다만, 일반적인 열화 분석 방법론의 경우 가속열화모형에 사용되는 계수들의 변동성을 충분히 고려되지 못한다는 한계점이 존재한다. 본 연구에서는 이를 해결하기 위한 방법으로 데이터 기반 경로 생성기법을 제안한다. 획득된 열화 데이터를 대상으로 ...; TAG 의료품질 시스템, 환자경험, 의료산업

DBSCAN 알고리즘을 활용한 중소 제조기업 스마트공장 동향분석: 박홍진 , 조인수 , 주용한 한국품질경영학회, 한국품질경영학회 춘계학술발표논문집 [2021] 제2021권 34(총1페이지); 최근 국내에서는 ICT 신기술을 기반으로 제조기업의 스마트공장 도입이 관심 받고 있지만, 중소기업의 경우 스마트공장의 ICT 신기술에 대한 인식 및 필요성이 저조한 것으로 나타나고 있다. 따라서, 본 연구에서는 중소 제조기업 스마트공장의 각 ICT 신기술(클라우드, 빅데이터, IoT, AI, 블록체인, O2O, 3D 프린팅, VR/AR, SW 융합)의 도입 정도에 대해 t-Stochastic Neighbor Embedding(t-SNE) 알고리즘을 활용하여 시각화 과정을 실시하고, DBSCAN 알고리즘을 활용한 클러스터링을 통해 각 군집 간 특성을 비교 분석 후 중소 제조 기업 스마트공장의 ICT 신기술 동향분석 및 제언을 목적으로 한다. 본 연구의 결과로서 군집 간 특성 비교를 통한 동향분석과 ICT 신기술 기반 중소 제조기업 ...; TAG 인공신경망, 스마트공장, 중소 제조기업, ICT 신기술

설명 가능한 이상치 탐지 프레임워크 기반의 시스템 고장 진단 및 전조 증상 탐지: 최희정 , 김동화 , 김정희 , 김지나 , 강필성 한국품질경영학회, 한국품질경영학회 춘계학술발표논문집 [2021] 제2021권 35(총1페이지); 설비 가동의 지속성 확보가 중요해짐에 따라 여러 산업에서 고장 또는 비계획 가동 정지의 사전 탐지에 대한 필요성이 증가하고 있다. 현장에서 고장 및 비계획 가동 정지는 도메인 지식 기반의 전통적인 방법을 통해 탐지되어 왔으나 최근 설비 데이터에 대한 접근이 용이해짐에 따라 데이터 기반의 방식의 적용이 시도되어 왔다. 도메인 지식 기반의 방법은 설비 엔지니어의 전문 지식을 기반으로 고장을 예측하나, 이는 오랜 시간이 소요될 뿐만 아니라 전문가 개개인의 경험과 지식에 의존적이라는 한계가 있다. 반면, 최근까지 주로 연구되어온 데이터 기반의 기법들은 대부분 고장 및 비계획 가동 정지 탐지가 발생한 시점에서 이를 탐지하여 이상 징후를 사전에 탐지할 수 없다는 점과 결함의 원인을 설명하지 못한다는 한계점을 가진다. 이러한 한계점을 극복하기 위해 본 연구에서는 설...; TAG 이상치 탐지, 고장 진단, 전조 증상 탐지

시계열 데이터를 위한 적대적 생성 신경망(GAN) 이상탐지 기법에 관한 연구: 이창기 , 천유정 , 황욱연 한국품질경영학회, 한국품질경영학회 춘계학술발표논문집 [2021] 제2021권 36(총1페이지); 최근 사물인터넷(IoT)과 같은 기술의 발달로 인해 시계열 데이터 속에 존재하는 이상(Anomaly)을 자동으로 탐지하는 이상탐지(Anomaly detection)에 대한 수요가 증가하고 있다. 이에 다양한 분야에 기반을 둔 이상탐지 기법들이 제안됐다. 통계적공정관리(Statistical process control) 기법인 누적합관리도(Cumulative sum chart)가 그 대표적인 예이다. 최근에는 적대적 생성 신경망(Generative adversarial networks, GAN) 방법의 성공으로 인해 GAN을 활용한 이상탐지 기법들이 많은 주목을 받고 있다. Li et al. (2018)은 GAN 기반 이상탐지 방법이 누적합관리도보다 우수한 이상탐지 성능을 나타낸다고 주장하였다. 그러나 ...; TAG 이상 탐지, 시계열 자료, GAN, CUSUM

확률적 어텐션 매커니즘을 활용한 장비 상태 분류 및 해석 방법론: 이지윤 , 김성범 한국품질경영학회, 한국품질경영학회 춘계학술발표논문집 [2021] 제2021권 37(총1페이지); 다채널 센서 데이터 분석은 차량 불량 상태 분류 및 제조 장비 상태 모니터링과 같은 다양한 산업응용 분야에서 활용되고 있다. 지난 수년 간 딥러닝 모델이 발전함에 따라 복잡한 다채널 센서 데이터의 특징을 딥러닝 기반 방법론을 통해 추출하려는 연구가 활발히 진행되고 있다. 장비 상태 분류 문제 상황에서 일반적인 딥러닝 모델을 적용할 경우 모든 예측 가능한 범주가 훈련 단계에서 학습되어야 한다는 가정을 따르므로 새로운 범주에 대해서는 대응을 할 수 없다는 한계점이 있다. 하지만 실제 제조 장비를 모니터링하는 과정에서는 새로운 범주가 발생할 수 있으며, 이에 대한 적절한 조치를 위해서는 기존에 정의된 범주로의 분류가 아닌 미학습 범주로 탐지가 되어야 한다. 본 연구에서는 분류 수행과정에서 유의미한 센서를 식별하고, 이에 대한 불확실성을 정량화할 수 있는 불확...; TAG 소프트　센서, 베이지안　순환신경망, 불확실성

SHAP을 이용한 차량 사용자 클레임 요인 예측: 박진혁 , 김성범 한국품질경영학회, 한국품질경영학회 춘계학술발표논문집 [2021] 제2021권 38(총1페이지); 차량 장비 상태분석은 도로 주행 평가를 통해 수행되며, 클레임과 같은 내구성에 문제가 발생하는 경우 전문가의 정성적인 평가만을 가지고 원인 인자를 도출해야 하는 문제가 존재한다. 따라서 정량적인 불량 원인 인자 도출 및 사전 조치를 위해서는 데이터 분석을 활용하여 차량 장비 상태 모니터링을 하는 것이 중요하다. 전통적인 기계학습에서는 클레임 원인 인자를 도출하는 방법으로 중요변수를 추출하는 알고리즘이 많이 활용되었다. 하지만, 이는 모델링 과정에 중요한 변수들을 제공하는 데 반해 부품별 주요 변수를 도출해주지 못한다는 한계점이 존재한다. 이러한 문제를 완화하기 위해 본 연구에서는 차량 클레임 발생 여부 예측 및 클레임 원인 인자 도출 방법론을 제안한다. 제안 방법론은 클레임 발생 여부 모델에 원인 인자 도출이 가능한 Shapley additive exp...; TAG 기계학습, SHAP, 변수 중요도

제조 공정 데이터의 머신러닝 기법 활용 사례: CART, Random Forest, TreeNet 비교 분석: 박병훈 , 이원희 한국품질경영학회, 한국품질경영학회 춘계학술발표논문집 [2021] 제2021권 40(총1페이지); 제조 산업군에 종사하는 많은 제조 기업들은 제품 설계, 생산 등에서 발생하는 공정 데이터를 이용하여 제품의 합격/불합격(이하 합/부)에 대한 판정의 의사결정에 활용하고 있다. 자사 제품의 잘못된 합/부 판정은 제품 제조 비용의 상승과 기업의 이미지에 부정적인 영향을 초래할 수 있기 때문에 정확한 의사결정을 통한 객관적인 지표나 분석이 필요하다. 스마트팩토리 시대의 자동화된 시스템에서는 과거에 비할 수 없는 대규모의 데이터가 생성되고 숨어있는 복잡한 패턴의 정보를 확인하기 위해서는 선형 회귀분석과 같은 전통적인 예측 모형 산출 방법 외에 또 다른 분석 방법이 필요하다. 본 연구에서는 제조 공정에서 사용하는 데이터를 활용하여 CART, Random Forest, TreeNet 등 머신러닝 예측 모형을 도출하였다. 각 머신러닝 분석 기법에 대한 이론적 원리와...; TAG 제조 산업군, 제조 공정, 머신러닝, 빅데이터, 합, 부 판정

출하검사 및 수리이력 데이터를 활용한 반도체 설비의 출하시점 기준 설비 고장 예측: 정의석 , 박경찬 , 조규원 , 강필성 한국품질경영학회, 한국품질경영학회 춘계학술발표논문집 [2021] 제2021권 41(총1페이지); 반도체 공정과 같은 순차적이고 연속적인 제조 공정에서 예기치 못한 장비의 고장은 수리비용 증가 및 운용시간 감소로 인한 생산성 하락의 주요 원인이 된다. 따라서, 현업에서는 장비들을 운용하면서 정기적으로 점검을 수행하는 선제적 예방보수의 차원을 넘어 고장과 고장시기를 예측하여 설비 운용의 효율성을 극대화하는 예측유지보수에 대한 필요성이 대두되었으며 이에 대한 다양한 연구들이 수행되었다. 그러나 기존의 예방보수 및 예측유지보수 관련 연구들은 장비의 운용 단계에서 수집되는 데이터를 사용함으로 인해 장비간 서로 다른 운용 시작 시점의 상태를 반영하지 못하는 한계점이 존재하는 실정이다. 따라서, 본 연구에서는 장비의 최초 상태를 파악할 수 있는 설비 제조사의 출하전 검사 데이터를 활용하여 장비의 고장 유무와 함께 최초 고장시점를 예측하는 기계학습 모형을 구축하였다...; TAG 반도체 설비, 고장 예측, 머신러닝

Feature Extraction and Deep Learning Model for Respiratory Sound Analysis: 정기원 , 황하은 , 김성범 한국품질경영학회, 한국품질경영학회 춘계학술발표논문집 [2021] 제2021권 42(총1페이지); 반도체 공정과 같은 순차적이고 연속적인 제조 공정에서 예기치 못한 장비의 고장은 수리비용 증가 및 운용시간 감소로 인한 생산성 하락의 주요 원인이 된다. 따라서, 현업에서는 장비들을 운용하면서 정기적으로 점검을 수행하는 선제적 예방보수의 차원을 넘어 고장과 고장시기를 예측하여 설비 운용의 효율성을 극대화하는 예측유지보수에 대한 필요성이 대두되었으며 이에 대한 다양한 연구들이 수행되었다. 그러나 기존의 예방보수 및 예측유지보수 관련 연구들은 장비의 운용 단계에서 수집되는 데이터를 사용함으로 인해 장비간 서로 다른 운용 시작 시점의 상태를 반영하지 못하는 한계점이 존재하는 실정이다. 따라서, 본 연구에서는 장비의 최초 상태를 파악할 수 있는 설비 제조사의 출하전 검사 데이터를 활용하여 장비의 고장 유무와 함께 최초 고장시점를 예측하는 기계학습 모형을 구축하였다...; TAG Respiratory sound analysis, Medical informatics, Deep learning, Feature extraction, Hierarchical attention networks

Anomaly Detection of Excavator Using MSCRED Based on Machine Learning: 서재홍 , 박희준 한국품질경영학회, 한국품질경영학회 춘계학술발표논문집 [2021] 제2021권 43(총1페이지); 굴착기는 건설업에서 가장 많이 사용하는 장비 중 하나이다. 또한 굴착기는 공사의 속도와 총 비용에 큰 영향을 끼치기 때문에 장비의 품질관리가 중요하다. 특히, 엔진은 굴착기 시스템 전체에 영향을 미치는 부분으로 이상진단을 통해 고장이 발생하기 전에 증상을 예측하고 판단하는 것이 중요하다. 최근 인공지능의 급격한 발전으로 기계학습 (Machine Learning)을 활용한 연구들이 진행되고 있다. 이전 연구에서는 Back Propagation Neural Network, Decision Tree, One-Class SVM(Support Vector Machine) 등을 사용하여 이상진단 모델을 제안했다. 하지만 이는 데이터의 각 중요한 특징들(features)의 다양하고 복잡한 상관관계(correlation)를 모두 반영하지 못하기 때문에 정확성에 한계가...; TAG Anomaly, detection, 이상진단, Machine, learning, 기계학습, Excavator, 굴삭기, Multi-Scale, Convolution, Recurrent, Encoder-Decoder, MSCRED, Autoencoder

1 2 3 4 5 6 7 8 9 10