http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
사물인터넷기술을 활용한 생산공정 진도측정 및 부품 위치추적 기법
정원일,남궁기창,김덕영 대한산업공학회 2016 대한산업공학회 추계학술대회논문집 Vol.2016 No.11
최근 사물인터넷 기술의 발전으로 공정정보를 원격으로 획득하여 생산관리에 활용하는 연구가 활발히 진행되고 있다. 설비단위의 공정정보는 모듈형 장치를 추가해 수집할 수 있으나 부품단위의 공정정보는 크기, 비용 등의 문제로 수집하는데 어려움이 있다. 본 논문은 (i) 기존 공정설비의 구동정보를 수집하고 (ii) 음향정보를 활용하여 부품의 위치를 추적하는 방법을 제안한다. 수집된 부품 위치정보는 재공 파악에 이용, 공정진도측정에 활용할 수 있다.
베어링 샤프트 시스템의 고장 감지를 위한 다변량 센서 데이터 기반 지도 이산화 기법
백수정,남궁기창,오하영 대한기계학회 2020 大韓機械學會論文集A Vol.44 No.1
As mechanical systems become more complicated and have diverse sub-modules, various sensor data are collected for the real-time health status monitoring of a system. However, because the collected sensor data are extremely large and contain irrelevant noise to the fault condition of the system, a technique of extracting important data fluctuations should be applied to detect the failure of the system. In general, unsupervised discretization techniques based on data distribution are used to extract fault patterns. However, the methods to extract significant features related to the state changes of a system are not simple. Therefore, we extract fault patterns by applying a supervised discretization method using not only the similarity between measurements but also the system state information. To verify the fault detection performance of the proposed method, acceleration sensor data were collected from a bearingshaft system and analyzed using the proposed supervised discretized technique. 기계 시스템의 구성이 복잡해지고 다양해짐에 따라 다양한 센서 데이터를 수집하여 시스템의 상태를 실시간으로 확인하고자 한다. 그러나 수집된 데이터의 크기가 매우 크고, 시스템의 고장 상태와 관련 없는 노이즈가 많이 포함되어 있을 경우, 시스템의 고장 감지를 위해서 중요한 데이터의 변동을 추출하는 기법이 적용되어야 한다. 이러한 중요 변동이 포함된 고장 패턴을 추출하기 위하여 일반적으로 데이터의 분포에 기반한 비지도 이산화 기법을 많이 사용하였으나 이는 시스템의 상태 변화와 직접적으로 연관된 특징을 추출하는 데 어려움이 있다. 그러므로 본 논문에서는 효과적인 고장 감지를 위하여 데이터 간의 유사도를 고려하면서 시스템의 상태 정보를 이용한 지도 이산화 기법을 적용하여 고장 패턴을 추출하였다. 제안된 기법의 고장 감지 성능을 검증하고자 베어링 샤프트 시스템으로부터 가속도 센서 데이터를 수집하여 이산화 기법에 따른 고장 패턴 추출률을 비교하였다.