Fault Detection Performance of Machine Learning Algorithms for 3D Printing in Smart Manufacturing

Rita Rijayanti(리타 리자얀티),Kyohong Jin(진교홍),Mintae Hwang(황민태) 한국정보통신학회 2020 한국정보통신학회 여성 ICT 학술대회 논문집 Vol.2020 No.8

본 논문에서는 스마트 제조의 주요 요소 기술인 3D 프린팅을 위해 적용 가능한 기계학습 알고리즘들을 조사 분석하고서, 어떠한 알고리즘이 고장 감지 성능 면에서 우수한지를 객관적인 자료를 통해 비교 분석한 결과를 제시한다. 본 연구는 FDM(Fused Deposition Modeling)을 위한 3D 프린팅 공정 사례에 초점을 맞추고 있으며, 비교 대상 기계학습 알고리즘으로는 계층 구조, 신경망 그리고 K-means 알고리즘을 고려하였다. 인쇄성, 임계치 복잡성 감소, 조립 전 가속, 결함 검출 등의 성능 비교 파라미터를 적용해 상기 기계학습 알고리즘들을 비교해 본 결과 K-means 알고리즘이 88%의 정확도를 보여주고 있어 타 알고리즘에 비해 고장 감지 성능이 우수한 것으로 조사되었다. 이 결과는 다양한 스마트 제조 애플리케이션에 기계학습 알고리즘을 적용하기 위한 참고 자료로 활용될 수 있을 것이라 기대된다. In this paper, we investigate and analyze applicable machine learning algorithms for 3D printing, a key technology of smart manufacturing and select a superior algorithm for failure detection using comparative analysis. This study focuses on the case of the 3D printing process for Fused Deposition Modeling (FDM). It considers the hierarchical structure, neural network, and K-means algorithm as the machine learning algorithm to be compared. As a result of comparing the machine learning algorithms by applying performance comparison parameters such as printability, reduction in threshold complexity, acceleration before assembly, and defect detection, the K-means algorithm shows 88% accuracy, the failure detection performance is higher than other algorithms. This result is expected to be used as a reference for applying machine learning algorithms to various smart manufacturing applications.

Analysis of Robust Anomaly Detection Using Convolutional Neural Network with Industrial Load Power Data

Rita Rijayanti,Kyohong Jin,Mintae Hwang 한국정보통신학회 2022 2016 INTERNATIONAL CONFERENCE Vol.13 No.1

Vehicle Waiting Time Information Service using Vehicle Object Detection at Fuel Charging Station

Rijayanti, Rita,Muhammad, Rifqi Fikri,Hwang, Mintae The Korea Institute of Information and Commucation 2020 Journal of information and communication convergen Vol.18 No.3

In this study, we created a system that can determine the number of vehicles entering and departing a charging station in real time for solving waiting time problems during refueling. Accordingly, we use the You Only Look Once object detection algorithm to detect and count the number of vehicles in the charging station and send the data to the Firebase Realtime Database. The result is shown using an Android application that provides a map function with the Kakao Maps API at the user interface side. Our system has an accuracy of 91% and an average response time of 3.1 s. Therefore, this system can be used by drivers to determine the availability of a charging station and to identify the charging station with the least waiting time for charging their vehicle.

Availability Information Service of Pavilions in the Forest

Rita Rijayanti,Mintae Hwang 한국정보통신학회 2021 2016 INTERNATIONAL CONFERENCE Vol.12 No.1

In this study, we design services to provide real-time occupation status of the pavilion in the forest to increase citizens" convenience while using the pavilion. We are using the hardware module with motion detection sensors to detect movement inside the pavilion. Then the collected data will be sent to a cloud database along with location information, date and time, temperature, and humidity data. Using this service, citizens can get information about pavilion conditions and available prediction staus from their mobile application, and the government with the information that appears in a web application can make better public service facilities policies.

Design of the Environmental Data Monitoring and Prediction System for the Fish Farms

Rita Rijayanti(리타 리자얀티),Ashwini Kadam(아쉬위니 카담),Aria B. Wahyutama(아리아 비스마 와휴타마),Bonyeong Lee(이본영),Mintae Hwang(황민태) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.1

본 논문에서는 바다 환경의 변화로 인한 양식장의 피해를 막을 수 있도록 양식장의 환경 데이터를 실시간 모니터링하고 기계 학습 기반의 예측 서비스를 제공하는 시스템 설계를 다룬다. 제안 시스템은 양식장의 주요 위치에 수소 농도, 염도, 용존 산소량 그리고 수온을 측정할 수 있는 센서들로 구성되는 사물인터넷 기반의 디바이스 모듈을 설치하며, 이들로 부터 수집한 데이터는 LTE 또는 LoRa 통신 기술을 이용해 클라우드 DB로 전송한 후 웹사이트나 모바일 애플리케이션을 통해 실시간으로 양식장의 환경 데이터 모니터링을 가능하게 한다. 아울러 수집된 데이터를 활용한 기계학습 기반의 예측 기술을 적용해 양식장의 환경 변화에 미리 대비할 수 있도록 하는 기능을 가진다. In this paper, we design a system to monitor environmental data in fish farms in real-time and provide machine learning-based prediction services to prevent damage on fish farms caused by changes in the sea environment. The proposed system will install an IoT device module consisting of sensors that can measure hydrogen concentration, salinity, dissolved oxygen, and water temperature, which can be transferred to Cloud DB using LTE or LoRa communication technology and then monitor the real-time condition through a web or mobile application. In addition, it has a function to prepare for changes within the environment of fish farms by applying machine learning-based prediction technology using collected data.

Extraction of Worker Behavior at Manufacturing Site using Mask R-CNN and Dense-Net

Rita Rijayanti(리타 리자얀티),Mintae Hwang(황민태),Kyohong Jin(진교홍) 한국정보통신학회 2022 한국정보통신학회 종합학술대회 논문집 Vol.26 No.1

본 논문은 작업자와 객체들이 서로 혼재되어 있는 제조 현장에서 Mask R-CNN을 이용해 객체들을 탐지한 후 이를 Dense-Net을 통해 객체 형상을 자동으로 추출하는 기술을 담고 있다. 이는 맞춤형 공장 데이터 세트를 기반으로 하며, 대상이 되는 개체는 작업자, 기계, 도구, 컨트롤 박스 및 제품들이다. Mask R-CNN은 이미 잘 알려진 객체 인식 방식으로서 다중 객체 인식을 지원하며, Dense-Net은 중첩된 객체들로부터 개별 객체를 추출하는 데 탁월한 효과를 보여준다. 이러한 두 가지 기술을 이용한 기초 구현 결과 제조 현장 모습에서 객체들을 정상적으로 추출해 이미지를 설명할 수 있으며, 향후 객체에 대한 레이블링과 객체 간의 상호 관계를 추가해 작업자의 이상 행동을 감지하는 용도로 활용할 계획이다. This paper reports a technique that automatically extracts object shapes through Dense-Net, and subsequently, detects the objects using Mask R-CNN in a manufacturing site, in which workers and objects are mixed. It is based on the customized factory dataset by targeting workers, machines, tools, control boxes, and products as the objects. Mask R-CNN supports multi-object recognition as a well-known object recognition method, while Dense-Net effectively extracts a feature from multiple and overlapping objects. After immediate implementation using the two technologies, the object is naturally extracted from a still image of the manufacturing site to describe image. Afterwards, the result is planned to be used to detect workers’ abnormal behavior by adding a label on the objects.

Designing of Mobile Interface for Thesis Management System by Enterprise Portal

Asep Somantri,Rita Rijayanti 한국정보통신학회 2022 2016 INTERNATIONAL CONFERENCE Vol.13 No.1

Overlapping-based Smart Advertisement Technique for Mobile News Articles

리자얀티 리타,황민태,Rijayanti, Rita,Hwang, Mintae The Korea Institute of Information and Commucation 2020 한국정보통신학회논문지 Vol.24 No.8

모바일 뉴스를 접하는 사용자 관점에서는 광고 표출이 없는 순수한 뉴스 기사를 원하지만, 뉴스 제공 회사 관점에서는 광고 수익을 위해 여러 가지 유형으로 광고를 표출하기를 원한다. 본 논문에서는 모바일 뉴스 기사에 표출되는 광고의 유형을 기사의 일부 영역에 고정 배치되는 기사 고정형, 모바일 단말기 화면상에 고정 배치되는 화면 고정형 그리고 이들이 섞여있는 혼합형으로 구분하고서 각 방식의 장단점을 비교하였다. 그리고 뉴스 제공 회사에서 모바일 뉴스 기사를 읽는 독자에게 거부감을 주지 않는 범위에서 효율적으로 광고를 배치하는 중첩 기반의 스마트 솔루션을 제안하였다. 제안하는 방식은 기사 고정형의 일종으로서 뉴스 기사에 부가적으로 제공되는 사진 혹은 가상의 영역에 광고를 중첩하는 기술이다. 성능 평가 결과 제안하는 방식은 광고의 개수나 크기에 따라 광고 이미지의 일부가 중첩되어 가려질 수도 있지만 기존의 광고 표출 방식보다 더 효율적으로 뉴스 기사를 위한 공간을 제공함을 알 수 있다. Mobile news users want news articles without advertising, meanwhile the news providers require advertisement displays in several types to attain advertising revenue. In this paper, we classified the types of advertisements on mobile news articles into fixed article type which is fixed on some areas of articles, fixed screen type which is fixed on mobile screens, and a combination type of them. In addition, we proposed a smart solution based on overlapping method which effectively organize advertisements to not distract the readers. The proposed method is similar to fixed article type and overlapping technique of advertisements on news article's photo or virtual area. The performance evaluation result shows that the proposed method provides more spaces for news articles effectively than the existing methods. Although only some areas of advertisements may be blocked according to the number or size of advertisements, the effect is not critical.

Smart Management of Recyclables Separate Collection and Trash Bins Monitoring

Aria Bisma Wahyutama,Rita Rijayanti,Mintae Hwang 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2

This paper proposed a concept of smart management and monitoring system for separating recyclable trash by utilizing a camera attached to Raspberry Pi and a YOLO object detection algorithm to detect and classify recyclable trash. A set of sensors measured both weight and volume to detect the trash bin’s capacity and GPS to get the trash bin’s location coordinate. The capacity information is then uploaded to Firebase Realtime Database via Long Range (LoRa) communication module to be retrieved by web and mobile applications to provide monitoring capability in real-time. Both applications will show the capacity detail, the location as well as the history graph of each trash bin

Implementation and Performance Evaluation of Pavilion Management Service including Availability Prediction based on SVM Model

리자얀티 리타,황민태,Rijayanti, Rita,Hwang, Mintae The Korea Institute of Information and Commucation 2021 한국정보통신학회논문지 Vol.25 No.6

본 논문은 숲속 야외 마루의 실시간 이용 현황을 제공할 뿐만 아니라 기계학습을 통한 예측 서비스를 제공하는 야외 마루 관리 서비스의 구현 및 성능 평가 결과를 담고있다. 개발한 하드웨어 프로토타입은 모션 감지 센서를 이용해 야외 마루의 점유 여부를 감지한 후 위치 정보, 날짜 및 시간, 온도 및 습도 데이터와 함께 클라우드 기반 데이터베이스로 전달한다. 수집된 야외 마루의 실시간 이용 현황은 이용자들에게 모바일 애플리케이션을 통해 제공된다. 성능 평가 결과 하드웨어 모듈에서부터 모바일 애플리케이션까지 평균 1.9초의 응답 시간을 보여주었으며, 정확도는 99%를 보여주고 있음을 확인하였다. 아울러 수집 데이터에다 기계학습 기반의 SVM(Support Vector Model) 모델을 적용한 야외 마루의 가용성 예측 서비스를 구현하고서 이를 모바일 및 웹 애플리케이션을 통해 제공할 수 있도록 하였다. This paper presents an implementation result and performance evaluation of pavilion management services that does not only provide real-time status of the pavilion in the forest but also prediction services through machine learning. The developed hardware prototype detects whether the pavilion is occupied using a motion detection sensor and then sends it to a cloud database along with location information, date and time, temperature, and humidity data. The real-time usage status of the collected data is provided to the user's mobile application. The performance evaluation confirms that the average response time from the hardware module to the applications was 1.9 seconds. The accuracy was 99%. In addition, we implemented a pavilion availability prediction service that applied a machine learning-based SVM (Support Vector Model) model to collected data and provided it through mobile and web applications.