인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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
In this paper, a CAE-MLP-based AI model is proposed to detect and classify various abnormal patterns occurring in the vacuum process of refrigerator cycles. Traditional rule-based diagnostic methods have limitations in effectively detecting new abnormal patterns or irregular process delays. To address these challenges, this study employs a Convolutional Autoencoder (CAE) to learn the patterns of normal data and detect abnormal data based on reconstruction error. Additionally, a Multi-Layer Perceptron (MLP) is used to classify the detected abnormal patterns into specific failure types. The proposed CAE-MLP model demonstrated high performance even with imbalanced data. By integrating a rule-based method, the model achieved an F1 Score of 1.0 for anomaly detection and 100% accuracy in classifying failure patterns. This methodology not only enhances the quality control of the refrigerator manufacturing process but also suggests scalability and applicability of anomaly detection and classification systems in vacuum processes across various industries.
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
UCI(KEPA) : I410-151-25-02-092311422
