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
본 연구는 전기차 배터리팩 제조 공정 중 레이저 용접 단계에서 발생할 수 있는 결함을 효과적으로 탐지하기 위해 오토인코더 기반의 학습 알고리즘을 제안한다. 기존 연구는 데이터셋 특성에 따라 N-HiTS, Z-score와 같은 상이한 방법론을 적용해 왔으나, 이러한 방식은 일관된 품질 관리 시스템 구축에 어려움을 초래한다. 본 연구에서는 AAS 표준 기반으로 수집된 용접 센서 데이터를 활용하여, 단일 오토인코더 모델로 다양한 유형의 결함을 통합적으로 탐지할 수 있는 프레임워크를 제시하였다. 실험에서는 입력 특성 구성이 다른 세 가지 모델을 비교하였으며, 그 결과 'RealPower', 'Speed', 'Length', 'GateOnTime' 네 가지 파라미터를 사용한 AutoEncoder-4 모델이 가장 우수한 성능을 보였다. 특히 'WeldingTest_03_NG'에서 100%, 'WeldingTest_04_NG'에서 99.64%의 F1 score를 기록하며 간헐적 결함과 연속적 결함을 모두 높은 정확도로 탐지하였다. 본 연구는 정상 데이터만으로 학습한 오토인코더 모델이 실제 제조 환경에서도 다양한 이상 상황을 효과적으로 판별할 수 있음을 실험적으로 입증하였으며, 자율 제조 기반의 품질 관리 시스템 구축에 실질적인 기여가 가능함을 보여준다.
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) : I410-151-26-02-094399303
