Research7 공정 데이터로 설비 이상 탐지 분석 사례(kamp) KAMP 사례 중 공정 데이터로 설비 이상 탐지하는 사례를 요약 정리하였음. 대부분 사례에서 설비 이상 상태가 정의되어 있지 않아 도메인 지식을 바탕으로 설비 이상 상태 라벨링 후 분석 진행함. 출처: https://www.kamp-ai.kr/aidataList l 사례 요약 공정 이상 상태 방법론 데이터 수집 열처리 공정 설비 IQR 범위로 판정 Auto encoder 건조로 온도, 소입로 온도 등 공정 데이터 다이캐스팅 공정 주조 설비 가생산 상태(예열) 진단 검수자가 불량품 선별 Random Forest Shot 번호, 속도, 실린더 압력 등 공정 데이터 사출 성형 공정 (IP Injection 유사 공정) LOT 별 IQR 범위, DBSCAN Auto encoder, DBSCAN LOT 단위 분석.. 2023. 12. 22. CMMS 고장 데이터 분석 참고자료 Keyword: 고장데이터 분석, 설비데이터 분석, CMMS, 시계열 분석, 신뢰성 분석, 고장주기 예측, 예지 보전 현재 특정 공정의 장비분류(약 4~7가지)의 고장 횟수, 주기 예측 분석을 실행 중이다. 특정 고장 유형은 관련 변수 몇 가지로도 90% 이상으로 예측된다. 이 것은 같은 시점의 경우이고 목적은 몇 주 혹은 몇 달 전 관련 변수들의 패턴, 고장 횟수 등의 징후로 미리 특정 고장을 예측하는 것이다. 일종의 예지보전이다. 다변량과 시계열 분석을 통한 예측이므로 관련 참고 자료 리스트를 메모한다. 문헌조사 https://ysyblog.tistory.com/236 [시계열분석] 정상성 변환 방법론 비정상성(Non-stationary)의 정상성(Stationary) 변환 목적: 정상성 확보를 통해.. 2022. 5. 20. 빅데이터 기반의 스마트 제조업에 대한 단상 포항공대 조현보 교수님의 제조업에서의 data driven management 강의를 여러 주차에 걸쳐 듣고 있다. 교수님의 지도하에 실제 현업에서의 기업 내부 데이터를 활용한 분석 과제를 도출하며 기존 사례나 접근법을 리서치하고 있다. Digital transformation을 시도하며 여러 스마트 제조업의 가치창출 사례를 참고하고 있다. 실제 사내 데이터를 둘러보고 분석 과제를 도출하며 느끼는 점은 쌓여있는 데이터 파편들은 많다. 그러나 완전하지가 않다. 유의할만한 x변수들은 수집조차 제대로 되지 않는 경우가 다수이며( 온도, 압력, 진동, 가동시간 .. 중에서 온도만 측정된 n년치 데이터 등) 이를 위해서는 센서를 추가 설치하거나 PLC에서 적절히 추출해야 한다. 이를 위해서는 데이터 분석가가 필요.. 2022. 4. 25. 공정 품질 사전 예측 및 예지보전 위한 데이터 마이닝 출처: (한국생산기술연구원, 공정 품질 예측 및 원인 분석을 위한고성능 데이터마이닝 모델 연구, 2017.2.24) 공정 품질 사전예측을 위한 문헌 조사 중 여러 자료를 개인정리하는 용도의 포스팅 공정품질 예측 및 원인 분석의 중요성 1. 생산량 등의 가시적인 지표에 비해 후순위 2. 품질 측정이 공정 완료 후 진행하는 경우가 많음 3. 샘플링 문제 - 전수검사 어려움. LOT단위 4. 공정 중 품질예측을 통해 불량 조기 탐지, 선제적 품질관리 5. 모수 품질 측정을 위한 데이터 마이닝 필요 제조 현장 데이터의 특징 전수 x 샘플검사 위주, LOT단위 샘플 제품 단위로 품질 값이 존재하는 Labeled 데이터보다 품질 값이 없이 공정 데이터만 존재하는 Unlabeled 데이터의 양이 더 많음 (3) La.. 2022. 4. 5. 챗봇 업체 research (비공개) 애저 기반의 업체 찾기 클라우드에 접속해서 로컬db? 암튼 방대한 데이터 클라우드기반으로 제공하는 봇 찾기 클라우드 내에 방대한 자료 쌓여있음. 신발 사이즈, 색깔 ~~뭐있어 언제생산됐던 ~~코드 있어? 어떤식으로 자료구성해서 어떤식으로 서비스 제공하는지 견적도 하면좋고아님말고 레퍼런스 많고 후기 괜찮은 곳으로 클라우드튜닝// 청년업체? 챗봇 개발 카카오톡챗봇, 페이스북챗봇, 텔레그램챗봇, 라인챗봇 등 플랫폼에 따라서 개발 방법이 달라져요. 25000~ 30000 정교한 챗봇 AI 소프트웨어는 40000~80000$ 백엔드 – 논리 채널 – 인터페이스 NLP –자연어처리 FAQ챗봇 , 대화형 챗봇 https://blog.naver.com/PostView.naver?blogId=dreamyoungs_inc.. 2022. 4. 5. 예지보전(Predictive maintenenance)을 통한 다운타임 방지 예지보전은 제조업의 숙제이다. 밴더 회사든 일반 소비재 제조든, 장비하나가 고장나서 제조가 멈추면 손해가 막심하다. 특히나 TPM이나 LEAN등의 일련의 라인제조식 공장은 한 장비만 고장나도 전체 공정이 멈추게 된다. 이를 다운타임이라고 한다. 예시로 변압기의 나사하나가 터져 변압기가 멈추고 하루간 공장가동 전체가 멈춰 몇 십억, 몇 백억 이상의 손해를 본다. 기존에는 숙련된 직원의 경험과 판단에 의존하여 다운타임을 예측했다. 현재 제조업은 AI에 학습시켜 고장의 징조를 판단한다. 센서에서 나오는 연속적인 데이터 흐름을 분석하고 학습하여, 패턴을 찾고 예측한다. 센서들 간의 피드백 패턴을 찾도록 훈련된 비지도식 모델이 많이 차용됨 예지보전 솔루션 기업 1. 국내 - Onepredic 예지보전 솔루션 '가.. 2022. 4. 5. 이전 1 2 다음
