메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
지평진 (중앙대학교) 이재헌 (중앙대학교)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제34권 제5호
발행연도
2023.9
수록면
775 - 789 (15page)
DOI
10.7465/jkdi.2023.34.5.775

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
자기상관이 존재하는 공정을 모니터링하는 절차에 대해서는 많은 연구가 진행되어 왔다. 그 중에서 가장 많이 사용하는 방법은 적합된 모형에 기초하여 다음 관측값을 예측하고 잔차를 계산하며, 그 찬차 데이터에 관리도 절차를 적용하여 공정을 모니터링하는 것이다. 이 논문에서는 RNN (recurrent neural network)을 사용하여 공정이 관리상태인지 이상상태인지를 분류하는 공정 모니터링 절차를 제 안하고, RNN을 사용하여 예측한 후 잔차 관리도를 수행하는 절차 및 전통적인 자기상관 모니터링 절차와 모의실험을 통하여 그 성능을 비교하였다. 모의실험 결과를 전반적으로 살펴보면, RNN에 기초한 부뉼 절차를 공정의 수준 변화를 빠르게 탐지하였고, RNN에 기초한 예측 절차는 공정의 분산 변화를 빠르게 탐지하는 것으로 나타났다. 이와 더불어, 전통적인 자기상관 모니터링 절차와 달리, RNN에 기초한 절차는 공정 데이터에 대해 정확한 모형 적합이 필요 없다는 점에서 큰 장점이 있는 절차라고 판단된다.
#딥러닝 #자기상관 공정 #잔차 관리도 #RNN 모형 #Autocorrelated process #deep learning #residual chart #RNN

목차

요약
1. 서론
2. 이론적 배경
3. 모의실험
4. 결론
References
Abstract

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088085601