| 1 |
1
딥러닝을 위한 충분한 산업 데이터의 취득이 곤란한 불균형 데이터베이스로 제한된 제조 응용분야에 대한 딥러닝 이상 감지 기반으로 생산 제품의 불량을 검출하는 방법으로서, (a) 각 공정의 양품 데이터를 시계열 데이터 딥러닝 기반으로 시계열 예측 알고리즘 적용하여 시계열 예측 데이터 마련하는 단계,(b) 상기 단계 (a)에서 마련된 시계열 예측 데이터에 대해 시계열 예측 수행 및 잔차 계산을 실행하는 단계,(c) 상기 단계 (b)에서 실행된 잔차를 바탕으로 단일 클래스 분류 알고리즘을 실행하는 단계,(d) 잔차가 클 경우 불량으로 판정하고, 잔차가 작을 경우 양품으로 판정하는 단계를 포함하는 것을 특징으로 하는 딥러닝 이상 감지 기반 생산 제품 불량 검출 방법
|
| 2 |
2
제1항에서,상기 단계 (a)에서 시계열 예측에는 MLP(multi layer perception), ResNet(Residual Network), LSTM(Long-Short-Term memory) 및 ResNet-LSTM인 4개의 네트워크를 사용하는 것을 특징으로 하는 딥러닝 이상 감지 기반 생산 제품 불량 검출 방법
|
| 3 |
3
제1항에서,상기 단계 (c)에서의 알고리즘은 단일 클래스 SVM(Support Vertor Machines)과 격리 포리스트(Isolation Forest)의 알고리즘을 적용하는 것을 특징으로 하는 딥러닝 이상 감지 기반 생산 제품 불량 검출 방법
|
| 4 |
4
제1항에서,상기 단계 (d)에서의 생산 불량은 4개의 시계열 예측과 2개의 분류 방법의 조합인 8개의 상이한 예측에 의해 판단되는 것을 특징으로 하는 딥러닝 이상 감지 기반 생산 제품 불량 검출 방법
|
| 5 |
5
제1항에서,상기 단계 (b)에서는 양품/불량을 판단하고자 하는 데이터가 (t1, t2, …, tN) 시점의 (x1, x2, …, xN)의 값들로 이루어져 있을 경우, 시계열 예측을 활용하여 각 시점의 값들을 예측한 (x'1, x'2, …, xN')을 도출한 후, 슬라이딩 윈도우 알고리즘(Sliding window algorithm)을 이용하여 원본 데이터와 재구성 데이터를 평균하여 데이터의 숫자를 감소시키는 것을 특징으로 하는 딥러닝 이상 감지 기반 생산 제품 불량 검출 방법
|
| 6 |
6
딥러닝을 위한 충분한 산업 데이터의 취득이 곤란한 불균형 데이터베이스로 제한된 제조 응용분야에 대한 딥러닝 이상 감지 기반으로 생산 제품의 불량을 검출하는 시스템으로서, 획득된 단일 클래스(One-class) 데이터인 양품 데이터를 학습하여 그 특징을 추출하는 딥러닝 모듈, 상기 딥러닝 모듈을 바탕으로 양품/불량을 판단하고자 하는 데이터를 분석하는 재구성 모듈, 상기 재구성 모듈에서 재구성된 결과를 바탕으로 기존의 양품 데이터와의 유사성을 통해 양품인지 불량인지를 판단하는 단일 클래스 분류 모듈을 포함하는 것을 특징으로 하는 딥러닝 이상 감지 기반 생산 제품 불량 검출 시스템
|
| 7 |
7
제6항에서,상기 딥러닝 모듈은 제조 데이터의 변화 추이를 예측하는 시계열 예측을 위한 모듈로서, MLP(Multilayer Perceptron), ResNet(Residual Network), 적층된 LSTM 및 결합된 ResNet-LSTM인 4개의 독립적 네트워크를 사용하는 것을 특징으로 하는 딥러닝 이상 감지 기반 생산 제품 불량 검출 시스템
|
| 8 |
8
제6항에서,상기 재구성 모듈은 잔차(residual) 계산 모듈로서, 잔차들의 평균은 오버랩 없이 슬라이딩 윈도우를 사용하여 상기 단일 클래스 분류 모듈의 입력값으로 변환되는 것을 특징으로 하는 딥러닝 이상 감지 기반 생산 제품 불량 검출 시스템
|
| 9 |
9
제6항에서,상기 단일 클래스 분류 모듈은 예측 잔차로부터의 불량을 판단하기 위해 단일 클래스 SVM(Support Vertor Machines)과 격리 포리스트(Isolation Forest)의 상이한 알고리즘을 적용하는 것을 특징으로 하는 딥러닝 이상 감지 기반 생산 제품 불량 검출 시스템
|
| 10 |
10
제6항에서,상기 생산 제품은 다이캐스팅 제품인 것을 특징으로 하는 딥러닝 이상 감지 기반 생산 제품 불량 검출 시스템
|
