[논문]제조 시계열 데이터를 위한 진화 연산 기반의 하이브리드 클러스터링 기법

오상헌; 안창욱

doi:10.30693/smj.2021.10.3.23

초록
AI-Helper

제조 시계열 데이터 클러스터링 기법은 제조 대용량 데이터 기반 군집화를 통한 설비 및 공정 이상 탐지 분류를 위한 중요한 솔루션이지만 기존 정적 데이터 대상 클러스터링 기법을 시계열 데이터에 적용함에 있어 낮은 정확도를 가지는 단점이 있다. 본 논문에서는 진화 연산 기반 시계열 군집 분석 접근 방식을 제시하여 기존 클러스터링 기술에 대한 정합성 향상하고자 한다. 이를 위하여 먼저 제조 공정 결과 이미지 형상을 선형 스캐닝을 활용하여 1차원 시계열 데이터로 변환하고 해당 변환 데이터 대상으로 Pearson 거리 매트릭을 기반으로 계층적 군집 분석 및 분할 군집 분석에 대한 최적 하위클러스터를 도출한다. 해당 최적 하위클러스터 대상 유전 알고리즘을 활용하여 유사도가 최소화되는 최적의 군집 조합을 도출한다. 그리고 실제 제조 과정 이미지 대상으로 기존 클러스터링 기법과 성능 비교를 통하여 제안된 클러스터링 기법의 성능 우수성을 검증한다.

Abstract ▼ AI-Helper

Although the manufacturing time series data clustering technique is an important grouping solution in the field of detecting and improving manufacturing large data-based equipment and process defects, it has a disadvantage of low accuracy when applying the existing static data target clustering tech...

Although the manufacturing time series data clustering technique is an important grouping solution in the field of detecting and improving manufacturing large data-based equipment and process defects, it has a disadvantage of low accuracy when applying the existing static data target clustering technique to time series data. In this paper, an evolutionary computation-based time series cluster analysis approach is presented to improve the coherence of existing clustering techniques. To this end, first, the image shape resulting from the manufacturing process is converted into one-dimensional time series data using linear scanning, and the optimal sub-clusters for hierarchical cluster analysis and split cluster analysis are derived based on the Pearson distance metric as the target of the transformation data. Finally, by using a genetic algorithm, an optimal cluster combination with minimal similarity is derived for the two cluster analysis results. And the performance superiority of the proposed clustering is verified by comparing the performance with the existing clustering technique for the actual manufacturing process image.

Keyword

참고문헌 (12)

노규성, 박상휘, "제조실행시스템의 빅데이터 적용 방안에 대한 탐색적 연구," Journal of Digital Convergence, 제12권, 제1호, 305-311쪽, 2014년 12월

원문보기 상세보기
곽기호, 이하목, "제조업 빅데이터 활용 동향 분석과 시사점," 주간기술동향, 2016년 9월
최철웅, 김경백, "폐암환자 생존분석에 대한 tnm병기 군집 분석 평가," 스마트미디어저널, 제9권, 제4호, 126-133쪽, 2020년 12월

원문보기 상세보기
이동수, A.K.M. Ashiquzzaman, 김영광, 신혜주, 김진술, "K-평균 군집화 알고리즘 및 딥러닝 기반 군중 집계를 이용한 전염병 확진자 접촉 가능성 여부 판단 모니터링 시스템 제안," 스마트미디어저널, 제9권, 제3호, 122-129쪽, 2020년 9월

원문보기 상세보기
S. Aghabozorgi, A.S. Shirkhorshidi, and T.Y. Wah, "Time-series clustering - A decade review," Information Systems, vol. 53, pp. 16-38, Oct., 2015.

상세보기
M. Chis, S. Banerjee, and A.E. Hassanien, "Clustering Time Series Data: An Evolutionary Approach," Foundations of Computational, Intelligence vol. 6, pp. 193-207, 2009.
A. Mondal, N. Dey, S. Fong, and A.S. Ashour, "A hybrid shape-based image clustering using time-series analysis," Multimedia Tools and Applications, vol. 80, pp. 3793-3808, Sep., 2020.
B. Andreopoulos, A. An, X. Wang, and M. Schroeder, "A roadmap of clustering algorithms: Finding a match for a biomedical application," Briefings in Bioinformatics, vol. 10, no. 3, pp. 297-314, May, 2009.

상세보기
C.Y. Hsu, and W.C. Liu, "Multiple time-series convolutional neural network for fault detection and diagnosis and empirical study in semiconductor manufacturing," Journal of Intelligent Manufacurting, vol. 32, pp. 823-836, May, 2020..
S.E. Alexis, "Comparing Time-Series Clusteinrg Algorithms in R Using the dtwclust Package," The R Journal, vol. 11, no. 1, Jun., 2019.
M. Leng, X. Lai, and G. Tan, "Time series representation for anomaly detection," 2nd IEEE International Conference on Computer and Information, pp. 628-632, Beijing, China, Aug., 2009.
M. Munir, S.A. Siddiqui, A. Dengel, and S.Ahmed, "A deep learning approach for unsupervised anomaly detection in time series," IEEE Access, vol. 7, pp. 1991-2005, Dec., 2018.

상세보기

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 제조 시계열 데이터를 위한 진화 연산 기반의 하이브리드 클러스터링 기법
Evolutionary Computation-based Hybird Clustring Technique for Manufacuring Time Series Data 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

Keyword

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 제조 시계열 데이터를 위한 진화 연산 기반의 하이브리드 클러스터링 기법 Evolutionary Computation-based Hybird Clustring Technique for Manufacuring Time Series Data 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

Keyword

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

안창욱 (3)

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 제조 시계열 데이터를 위한 진화 연산 기반의 하이브리드 클러스터링 기법
Evolutionary Computation-based Hybird Clustring Technique for Manufacuring Time Series Data 원문보기

초록
AI-Helper

활용도 Top5 논문