인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
산업용 로봇의 사용이 전 세계적으로 증가하면서, 안정적이고 효율적인 운영을 보장하기 위해 운영 중 발생할 수 있는 문제를 조기에 탐지하는 것이 중요해지고 있다. 특히, 로봇은 생산 공정에서 핵심적인 작업을 수행하고 있어, 비정상적인 작동으로 인해 발생할 수 있는 문제를 조기에 발견하지 못하면 생산성 저하, 장비 손상, 나아가 생산 중단과 같은 심각한 결과를 초래할 수 있다. 하지만 이상 데이터에 대한 수집이 어렵기 때문에 데이터 불균형 문제가 발생하며, 이는 효과적인 탐지 모델을 구축하는 데 큰 장애물로 작용하고 있다. 본 논문에서는 이를 해결하기 위해 SMOTE, ADAYSN, 언더샘플링, SMOTE-Tomek와 같은 데이터 불균형 처리 기법을 적용하여 델타 로봇의 진공 패드 압력 이상 탐지 모델의 성능을 개선하는 연구를 수행하였다. XGBoost와 LightGBM 모델을 사용하여 성능을 비교한 결과, ADASYN기법이 적용된 XGBoost 모델의 정확도, 정밀도, 재현율, F1-Score 및 혼동 행렬에서 두드러진 성능 향상을 보였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
