Development of Intelligence Data Analytics System for Quality Enhancement of Die-Casting Process

Q: 이 논문에서 정의한 다이캐스팅 공정의 품질고도화를 위한 지능화 분석 시스템이란 무엇인가?

다이캐스팅 공정의 품질고도화를 위한 지능화 분석 시스템은 설비 인터페이스를 통해 수집된 데이터를 처리하고 분석하여 품질 관련 인자들의 분석을 지원하는 시스템이다. 이는 불량 예측 및 원인 진단 모델을 포함하며, 엣지 디바이스와 통합 서버의 이원화된 구조로 데이터 수집, 분석 모델 학습 및 실행을 자동화하여 공정 효율성을 높인다.

Q: 다이캐스팅 공정에서 품질 예측 모델의 정확도를 높이는 핵심 요인은 무엇인가?

연구 결과, 다이캐스팅 공정의 품질 예측 모델 정확도를 높이기 위해서는 희소 클래스 변수, 희소 레코드, 모델 카운트, 카테고리 카운트, 정상 가중치 등의 변수를 실험적으로 변경하며 학습하는 것이 중요하다. 특히 T09와 T10 조건에서 86%의 예측 정확도를 달성하며 미성형, 소착 등 7가지 불량 유형을 효과적으로 예측할 수 있었다.

김준; 강형석; 이주연

doi:10.7736/JKSPE.019.136

추천

검색

질문

자료유형: 학술저널

저자정보: 김준 (한국생산기술연구원) 강형석 (한국생산기술연구원) 이주연 (한국생산기술연구원)

저널정보: Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Vol.37 No.4

발행연도: 2020.4

수록면: 247 - 254 (8page)

DOI: 10.7736/JKSPE.019.136

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

The goal of this research is to develop intelligence data analytics system for quality enhancement of die-casting process. Targeting a die-casting factory in Korea, we first constructed an edge device-based infrastructure with wireless communication environment for data collection and a processing infrastructure to support the intelligence data analytics system. Using the real quality regarding data of the target factory, we developed two data analytics models for defect prediction and defect cause diagnosis using AdaBoostC2 algorithm. Accuracy of the developed data analytics model for defect prediction was verified as 86%. To use the developed data analytics model efficiently and produce a sequential process of data analytics model generation, execution, and update were conducted automatically. The edge device and integrated server-based dualized analysis system was proposed. The developed intelligence data analytics system was applied to the target factory, and the effectiveness was demonstrated.

#Data analytics (데이터 분석) #Die-casting process (다이캐스팅 공정) #Dualized data analytics system (이원화 데이터 분석 시스템) #Edge device (엣지 디바이스) #Intelligence system (지능화 시스템) #Smart factory (스마트 공장)

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)