http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 송새랑 ( Sae Rang Song ) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
CNN 기법의 이미지 학습을 통한 시험성적서 판정 모델 연구
김정민(Jung Min Kim),염슬기(Seul Ki Yeom),고진환(Jinhwan Koh) 한국산학기술학회 2021 한국산학기술학회논문지 Vol.22 No.9
시험성적서는 제품이 요구사항을 만족하는지 확인하고 이를 문서로 남기기 위해 활용된다. 품질관리에서 이러한 시험성적서의 확인은 중요한 절차이지만, 복잡한 체계의 경우 문서의 양이 많아 직접 확인하기 어려운 문제가 있다. 이에 본 연구에서는 CNN 기법을 활용하여 시험성적서의 합격과 불합격 판정을 자동으로 처리해주는 모델에 대해 연구하였다. 여러 산업에서 품질관리 시 활용하는 시험성적서의 자동 판정은 품질보증의 효율화에 기여할 것으로 판단된다. 시험데이터는 성적서 양식에 규격을 중앙값으로 하는 정규분포 난수를 활용하여 생성하였고, 1개, 3개, 6개의 시험데이터를 가진 시험데이터를 생성하였다. 딥러닝 네트워크는 CNN을 기반으로 Convolutional Layer, Pooling Layer를 포함한 학습 네트워크를 구성하였고, 데이터가 1개 초과 시 Addition Layer를 통해 병렬 합산하였다. 시험데이터 학습 결과 99% 이상의 정확도를 확인하였다. 학습 결과를 토대로 일반적인 시험성적서에 활용할 수 있는 딥러닝 네트워크 모델를 제시하였다. 각 Layer의 Hyper Parameter에 대한 규칙을 정립하여 N개의 데이터에 대한 시험성적서 분석 시 적용할 수 있게 하였다. 제시된 딥러닝 네트워크 모델을 통해 다양한 산업의 시험성적서에 대해 사람이 직접 확인하지 않고도 품질관리를 효율적으로 할 수 있다. 또한 분야를 확장하여 문서를 확인하는 여러 분야의 업무효율화에 기여 할 것으로 예상된다. Test reports are used only to verify that a product meets the requirements, and they are then left as filed documents. In quality control, verifications from these test reports are an important procedure, but in complex systems, there are problems that are difficult to verify directly due to the large number of documents. Thus, we present a model that automatically handles acceptance and rejection of test reports using CNN techniques. Test reports that contain one, three, and six types of test data were generated using a normal distribution random number with a standard as the median. The deep learning network is based on a CNN and is configured with a learning network (including a convolutional layer and a pooling layer), which is added in parallel through an Addition Layer when the data exceed 1. Test-data learning confirmed accuracy of more than 99%. We also present a deep learning network model that can be utilized in general test reports based on the learned results. Through the presented deep learning network model, test report management can be efficiently conducted during quality management without a human checking it. And it can be utilized not only for dimensions but also for various quality elements.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
