Product failure prediction with missing data

Kang, Seokho,Kim, Eunji,Shim, Jaewoong,Chang, Wonsang,Cho, Sungzoon Informa UK (Taylor Francis) 2018 INTERNATIONAL JOURNAL OF PRODUCTION RESEARCH - Vol.56 No.14

Efficient Feature Selection-Based on Random Forward Search for Virtual Metrology Modeling

Kang, Seokho,Kim, Dongil,Cho, Sungzoon Institute of Electrical and Electronics Engineers 2016 IEEE transactions on semiconductor manufacturing Vol.29 No.4

<P>Virtual metrology (VM) has been successfully applied to semiconductor manufacturing as an efficient way of achieving wafer-to-wafer quality control. VM involves the estimation of metrology variables of wafer inspection using a prediction model trained with process parameters and measurements prior to the actual implementation of metrology. VM modeling should incorporate a number of process parameters and measurements collected from each piece of process equipment, which results in a greater number of input variables. Therefore, it is necessary to resolve the problem of high dimensionality through feature selection. A suitable feature selection method for VM modeling should effectively address the high dimensionality by lowering the computational cost, while also achieving high prediction accuracy as an essential requirement for the practical deployment of VM. In this paper, a feature selection method based on random forward search is proposed for efficient VM modeling. This method selects relevant variables sequentially from disjoint random subsets of candidate variables by incorporating randomness. Our preliminary experimental results obtained with real-world semiconductor manufacturing data demonstrate that the proposed feature selection method achieves comparable prediction accuracy yet has the advantages of being computationally more efficient, thus merits further investigation.</P>

Approximate training of one-class support vector machines using expected margin

Kang, Seokho,Kim, Dongil,Cho, Sungzoon Elsevier 2019 COMPUTERS & INDUSTRIAL ENGINEERING Vol.130 No.-

<P><B>Abstract</B></P> <P>One-class support vector machine (OCSVM) has demonstrated superior performance in one-class classification problems. However, its training is impractical for large-scale datasets owing to high computational complexity with respect to the number of training instances. In this study, we propose an approximate training method based on the concept of expected margin to obtain a model identical to full training with reduced computational burden. The proposed method selects prospective support vectors using multiple OCSVM models trained on small bootstrap samples of an original dataset. The final OCSVM model is trained using only the selected instances. The proposed method is not only simple and straightforward but also considerably effective in improving the training efficiency of OCSVM. Preliminary experiments are conducted on large-scale benchmark datasets to examine the effectiveness of the proposed method in terms of approximation performance and computational efficiency.</P> <P><B>Highlights</B></P> <P> <UL> <LI> Approximate training method for one-class support vector machine is presented. </LI> <LI> It selects instances likely to be support vectors using expected margin. </LI> <LI> Final model is trained only using selected instances. </LI> <LI> Training time is reduced without sacrificing predictive performance. </LI> <LI> Effectiveness is demonstrated on large-scale datasets. </LI> </UL> </P>

Locally linear ensemble for regression

Kang, Seokho,Kang, Pilsung Elsevier science 2018 Information sciences Vol.432 No.-

<P><B>Abstract</B></P> <P>Considerable research effort has been dedicated to the development of prediction models for yielding greater prediction accuracy in regression problems. Although non-linear models have achieved superior prediction accuracy by addressing the non-linearity of complex data, linear models are still favored because of their high prediction speed. In this study, a locally linear ensemble regression (LLER) is proposed in order to effectively address non-linearity while maintaining the advantage of linear models. The LLER predicts new instances based on multiple linear models that are trained on the regions that identify the local linearity of data. To achieve this, data are decomposed into several locally linear regions based on an expectation-maximization procedure, and linear models are built as local experts for each region to constitute an ensemble. We demonstrate the effectiveness of the LLER through experimental validation with benchmark datasets.</P>

Conditional Molecular Design with Deep Generative Models

Kang, Seokho,Cho, Kyunghyun American Chemical Society 2019 JOURNAL OF CHEMICAL INFORMATION AND MODELING Vol.59 No.1

<P>Although machine learning has been successfully used to propose novel molecules that satisfy desired properties, it is still challenging to explore a large chemical space efficiently. In this paper, we present a conditional molecular design method that facilitates generating new molecules with desired properties. The proposed model, which simultaneously performs both property prediction and molecule generation, is built as a semisupervised variational autoencoder trained on a set of existing molecules with only a partial annotation. We generate new molecules with desired properties by sampling from the generative distribution estimated by the model. We demonstrate the effectiveness of the proposed model by evaluating it on drug-like molecules. The model improves the performance of property prediction by exploiting unlabeled molecules and efficiently generates novel molecules fulfilling various target conditions.</P> [FIG OMISSION]</BR>

Degradation Characteristics of Superconducting Wires With Respect to Electrical Breakdown Tests

Kang, Jong O.,Onyou Lee,Seungmin Bang,Junil Kim,Hongseok Lee,Jonggi Hong,Seokho Nam,Tae Kuk Ko,Yoon Do Chung,Hyoungku Kang Institute of Electrical and Electronics Engineers 2015 IEEE transactions on applied superconductivity Vol.25 No.3

<P>The electrical insulation design for a superconducting system is important when developing a high-voltage superconducting apparatus as a substitute for a conventional one. In this paper, the degradation characteristics of 2G high temperature superconducting (HTS) wires, with respect to electrical breakdown tests, were studied. It was found that the superconducting materials in 2G HTS wires can be damaged in electrical breakdown, and the damaged structure of 2G HTS wires results in the degradation of the Ic and index number. As a result, it was found that the degradation characteristics of the 2G HTS wires were affected by the stabilizer material and applied breakdown voltage. Thus, the hardness and electrical conductivity of a stabilizer material can be considered as design parameters in developing a high-voltage superconducting coil. Finally, the cross-sectional views of 2G HTS wires were presented using a scanning electron microscope.</P>

고추수확기를 장착한 다목적 주행 플랫폼 동적 특성분석

강석호 ( Seokho Kang ),김준희 ( Junhee Kim ),김영수 ( Yeongsu Kim ),하유신 ( Yushin Ha ),두윰우예다니엘 ( Uyeh Daniel Dooyum ),우승민 ( Seungmin Woo ) 한국농업기계학회 2020 한국농업기계학회 학술발표논문집 Vol.25 No.1

2010년부터 국내 고추 수요는 증가하는 반면, 국내 농촌 노동력 부족, 외국 고추 수입량 증가와 인건비 상승으로 인한 국내 고추 가격 경쟁력 감소 등의 문제로 국내 고추 생산이 어려워지고 있다. 국내 고추 생산량 증가와 인건비 절감으로 인한 시장 경쟁력 강화를 위해 무한궤도 형태의 다목적 주행플랫폼(크롤러)에 고추 수확기를 장착하여 동적 특성을 확인함으로써 수확 작업 기계화 가능성 을 확인하였다. 고추 수확기를 장착한 크롤러의 재원은 길이 4m, 폭 1.5m, 높이 2m, 지상고 600mm, 윤거 폭 1200, 작물 적재 무게 200kg, 운전자 무게 70kg, 공차 무게 2020 kg 이다. 분석한 동적 특성 분석으로는 경사각에 따른 주행 가능성 분석, X축과 Y축에 대한 기울기 정도인 Pitching과 rolling 최대 각도, 충돌 후 주행 가능한 최대 장애물 높이, 최소회전반경을 분석하였다. 모든 분석은 작물을 적재하지 않았을 경우와 작물을 적재했을 경우를 분석하였으며 동역학 시뮬레이션 소프트웨어인 RecurDyn을 사용하였다. 적재함이 비었을 경우, 고추 수확기를 장착한 크롤러는 최대 35degree의 경사각을 등반할 수 있으며 Pitch 각도 최대 58degree, Roll 각도 최대 53degree, 장애물 최대 크기 45cm, 최소회전 반경 900mm로 분석되었다. 작물 적재 상태의 경우, 최대 25degree의 경사각을 등반할 수 있으며 Pitch 각도 최대 52degree, Roll 각도 최대 52degree, 장애물 최대 크기 45cm, 최소회전반경 870mm로 분석되었다. 본 연구에서 분석된 데이터는 크롤러 형태의 고추 수확기 상용화 데이터 자료로 사용될 수 있을 것으로 기대되어 진다.

고추 재배 양식에 따른 기계 수확 특성 분석

강석호 ( Seokho Kang ),김영수 ( Yeongsu Kim ),김준희 ( Junhee Kim ),박형규 ( Hyunggyu Park ),두윰우예다니엘 ( Uyeh Daniel Dooyum ),하유신 ( Yushin Ha ),우승민 ( Seungmin Woo ) 한국농업기계학회 2020 한국농업기계학회 학술발표논문집 Vol.25 No.2

고추는 지역에 구분되지 않고 널리 재배되는 식자재 중 하나이며 홍고추, 풋고추, 고춧가루 등 많은 형태로 이용되고 있다. 일반적으로 고추 수확은 일찍이 8월 말부터 늦게까지는 10월 중순까지 여러 번에 걸쳐 수작업으로 이루어진다. 이러한 수확 작업은 많은 노동력이 요구되며 투자 시간 또한 많이 차지한다. 본 연구는 고추 수확 기계화에 유리한 재배 조건을 연구하기 위해 실험군을 나누어 기계 수확 실험을 했을 때의 특성을 확인하였다. 실험에 사용된 고추 품종은 AR Legend, 매운탄, 적영으로 병과 해충에 면역력이 우수한 일시 수확형 품종이다. 재배 양식의 실험군은 일렬 재배로 재식 간격 30 cm, 40 cm 50 cm 3 수준으로 나누어 구분하였으며 각 재배 양식마다 3회 반복 실험을 진행하여 작물의 정상과 수확율과 수확량의 평균값을 분석하였다. 실증 시험 결과, 30 cm, 40 cm, 50 cm의 정상과 수확율은 각각 75%, 80%, 83%로 재배 간격이 넓어질수록 수확율이 증가하였고 이는 모든 품종에서 동일하게 나타났다. 이는 재배 간격이 좁을수록 고추 수확 시 작물끼리의 충돌이 일어나는 것으로 분석되었으며, 수확율은 재배 간격 50 cm에서 가장 높게 나왔지만 수확량은 재배 간격 40 cm에서 가장 높게 나타나 재배 간격에 따른 모종 수의 차이로 분석된다. 정상과 수확율과 수확량을 고려하였을 때, 기계 수확에 유리한 재배 간격은 40 cm인 것으로 분석되며 본 연구는 고추 수확 기계화 연구의 기초 데이터로 활용될 수 있을 것으로 기대된다.

윤거조절에 따른 다목적 주행 플랫폼 안전성 시뮬레이션 분석

강석호 ( Seokho Kang ),우승민 ( Seungmin Woo ),두윰우예다니엘 ( Uyeh Daniel Dooyum ),김영수 ( Yeongsu Kim ),김준희 ( Junhee Kim ),김윤수 ( Yunsu Kim ),하유신 ( Yushin Ha ) 한국농업기계학회 2019 한국농업기계학회 학술발표논문집 Vol.24 No.2

국내 농촌은 규격화되지 않은 두둑 크기, 경사지, 노동력 부족, 고가의 작업기로 인해 작업기 진입이 어렵고 작업 시간이 오래 소요된다. 본 연구는 이러한 농촌 현황을 고려하여 윤거 조절이 가능한 다목적 주행플랫폼 개발(크롤러)의 일환으로 작업 안전성을 확보하기 위한 주행 시뮬레이션을 수행하였다. 크롤러의 재원은 길이 4 m, 폭 1.5 m, 높이 2 m, 지상고 600 mm, 윤거 폭은 1200 ~ 1500 mm 조절이 가능하며, 공차 무게 2020 kg으로 동양물산기업㈜에서 제작한 테스트기이다. 주행 시뮬레이션은 윤거 폭을 100 mm간격으로 조절하여 Pitch와 Roll에 대해 작업 가능한 안전 각도에 대해 RecurDyn 소프트웨어를 통하여 분석하였다. 국내 선도 농장을 방문해 측정한 현장 최대 각도인 35 deg와 비교하였을 때, 윤거 1200 mm에서 Pitch 각도는 13 ~ 18 deg 차이의 안전성으로 작업이 가능한 것으로 분석되었다. 윤거 폭에 따른 Roll 최대 각도는 각각 1200 mm에서 37 deg, 1300 mm에서 39 deg, 1400 mm에서 41 deg, 1500 mm에서 43 deg로 분석되었다. 공차임을 고려했을 때 기존 윤거 폭 1200 mm에서는 Roll-over의 위험이 있고 현장 최대 각도인 35 deg에서 작업하기 위해서는 최소 윤거 폭 1400 mm로 조절해야 6 deg 차이의 안전성으로 작업이 가능한 것으로 분석되었다. 본 연구에서 분석된 데이터는 차후 크롤러 개발의 기초 자료로 사용될 수 있을 것으로 기대되어 진다.

Urea-SCR System의 NH₃ Slip 저감을 위한 NOx Sensor 기반 폐루프 제어기 개발에 관한 연구

강석호(Seokho Kang),오승영(Seungyoung Oh),이민광(Minkwang Lee),김훈명(Hoonmyung Kim),강정호(Jeongho Kang) 한국자동차공학회 2021 한국 자동차공학회논문집 Vol.29 No.2