{"title":"基于人工智能的生产线故障监测/预测性维护应用","authors":"Myoeng-Gyun Kim, Wang-Su Jeon, Sang-Yong Rhee","doi":"10.14801/jkiit.2023.21.10.147","DOIUrl":null,"url":null,"abstract":"본 논문에서는 AI기반 생산라인의 고장/예지보전을 모니터링하는 애플리케이션을 제안하였다. 이 애플리케이션은 실시간으로 생산, 설비현황을 애플리케이션으로 모니터링할 수 있고, 라인별 고장과 예지보전 기능을 수행한다. 기능별 모델은 DNN 모델과 LSTM, GRU, Seq2seq, Adaboost 모델을 사용했고 모델별 예측 결과는 고장분류에서는 99%이고, 예지보전에서는 Seq2seq의 R²score 값이 0.9631으로 가장 높았으며, LSTM보다는 0.0055, GRU보다는 0.0033, Bidirection LSTM보다는 0.0046정도 더 높은 값으로 나왔다. 이 시스템을 작업자가 이용하면 손쉽게 공장 상황을 모니터링할 수 있는 장점이 있을 뿐 아니라 신속하게 대응하도록 도움을 줄 수 있다.","PeriodicalId":498669,"journal":{"name":"Journal of Korean Institute of Information Technology","volume":"265 ","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Artificial Intelligence-based Monitoring Application for Production Line Failure/Predictive Maintenance\",\"authors\":\"Myoeng-Gyun Kim, Wang-Su Jeon, Sang-Yong Rhee\",\"doi\":\"10.14801/jkiit.2023.21.10.147\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"본 논문에서는 AI기반 생산라인의 고장/예지보전을 모니터링하는 애플리케이션을 제안하였다. 이 애플리케이션은 실시간으로 생산, 설비현황을 애플리케이션으로 모니터링할 수 있고, 라인별 고장과 예지보전 기능을 수행한다. 기능별 모델은 DNN 모델과 LSTM, GRU, Seq2seq, Adaboost 모델을 사용했고 모델별 예측 결과는 고장분류에서는 99%이고, 예지보전에서는 Seq2seq의 R²score 값이 0.9631으로 가장 높았으며, LSTM보다는 0.0055, GRU보다는 0.0033, Bidirection LSTM보다는 0.0046정도 더 높은 값으로 나왔다. 이 시스템을 작업자가 이용하면 손쉽게 공장 상황을 모니터링할 수 있는 장점이 있을 뿐 아니라 신속하게 대응하도록 도움을 줄 수 있다.\",\"PeriodicalId\":498669,\"journal\":{\"name\":\"Journal of Korean Institute of Information Technology\",\"volume\":\"265 \",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-10-31\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Journal of Korean Institute of Information Technology\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.14801/jkiit.2023.21.10.147\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Korean Institute of Information Technology","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14801/jkiit.2023.21.10.147","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Artificial Intelligence-based Monitoring Application for Production Line Failure/Predictive Maintenance
본 논문에서는 AI기반 생산라인의 고장/예지보전을 모니터링하는 애플리케이션을 제안하였다. 이 애플리케이션은 실시간으로 생산, 설비현황을 애플리케이션으로 모니터링할 수 있고, 라인별 고장과 예지보전 기능을 수행한다. 기능별 모델은 DNN 모델과 LSTM, GRU, Seq2seq, Adaboost 모델을 사용했고 모델별 예측 결과는 고장분류에서는 99%이고, 예지보전에서는 Seq2seq의 R²score 값이 0.9631으로 가장 높았으며, LSTM보다는 0.0055, GRU보다는 0.0033, Bidirection LSTM보다는 0.0046정도 더 높은 값으로 나왔다. 이 시스템을 작업자가 이용하면 손쉽게 공장 상황을 모니터링할 수 있는 장점이 있을 뿐 아니라 신속하게 대응하도록 도움을 줄 수 있다.
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
