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
컨베이어 시스템의 회전체 설비는 물류 산업의 원활한 운영과 생산성 향상에 핵심적인 역할을 하며, 안정적 운영과 높은 효율성 확보는 기업 경쟁력 확보의 필수 요소이다. 본 논문에서는 컨베이어 시스템의 IoT 센서 데이터를 기반으로 AI 기반 예지정비 및 손상진단 기법을 적용하여, 머신러닝과 딥러닝 모델 간 이상 탐지 성능을 비교·분석하였다. 그 결과, SVM이 가장 높은 분류 정확도를 보였으며, Random Forest는 잠재적 대안으로 확인되었다. MLP와 DBN은 성능 개선이 필요하고, One-class SVM은 이상 탐지 유용성이 제한적이었다. 또한, 단일 모델의 한계를 극복하기 위해 스태킹 앙상블을 적용한 결과, 엑스트라 트리즈는 99.24%의 성능을 기록했고, 보팅 분류기 95.19%, XGBoost 94.71%, 로지스틱 회귀 93.30%로 나타났다. 이 결과는 SVM의 우수성과 앙상블 기법의 신뢰성을 시사하며, 향후 물류 산업의 스마트 유지보수 기술 확산에 기여할 것으로 기대된다.
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) : I410-151-26-02-094579632
