[논문]Copper Filter Dryer 품질보증을 위한 결함 검출 및 원인 분석

오석민; 박진제; 다어반권; 장병호; 김흥재; 김창순

doi:10.9723/jksiis.2024.29.1.107

Copper Filter Dryer 품질보증을 위한 결함 검출 및 원인 분석
Defect Detection and Cause Analysis for Copper Filter Dryer Quality Assurance

한국산업정보학회논문지 = Journal of Korea Society of Industrial Information Systems, v.29 no.1, 2024년, pp.107 - 116

오석민 ((주)빅아이 빅데이터개발팀) , 박진제 ((주)빅아이 기업부설연구소) , 다어반권 ((주)빅아이 기업부설연구소) , 장병호 ((주)빅아이) , 김흥재 ((주)에스디이앤티 기업부설연구소) , 김창순 ((주)빅아이 기업부설연구소)

초록
AI-Helper

Copper Filter Dryer(CFD)는 냉동 및 냉방 시스템에서 냉매의 순환 시 불순물을 제거하여 깨끗한 냉매를 유지하는 역할을 하며, CFD의 결함은 냉동 및 냉방 시스템의 누수, 수명 저하 등 제품의 결함으로 이어질 수 있어 품질보증이 필수적이다. 기존에는 품질 검사 단계에서 작업자가 검사하고 결함을 판단하는 방법이 주로 사용되었으나, 이러한 방법은 주관적으로 판단하기 때문에 정확하지 못하다. 본 논문에서는 CFD 축관 및 용접 공정 과정에서 발생하는 결함을 검출하고 기존의 품질 검사를 대체하기 위해 YOLOv7 객체 감지 알고리즘을 사용하여 결함을 검출했고, F1-Score 0.954, 0.895의 검출 성능을 확인하였다. 또한, 결함 이미지의 Timestamp에 해당하는 센서 데이터 분석을 통해 용접 과정 중 발생하는 결함의 원인을 분석하였다. 본 논문은 CFD 공정 중 발생하는 결함을 검출하고 원인을 분석함으로써 제조 품질보증과 개선 방안을 제시한다.

Abstract ▼ AI-Helper

Copper Filter Dryer (CFD) are responsible for removing impurities from the circulation of refrigerant in refrigeration and cooling systems to maintain clean refrigerant, and defects in CFD can lead to product defects such as leakage and reduced lifespan in refrigeration and cooling systems, making quality assurance essential. In the quality inspection stage, human inspection and defect judgment methods are traditionally used, but these methods are subjective and inaccurate. In this paper, YOLOv7 object detection algorithm was used to detect defects occurring during the CFD Shaft pipe and welding process to replace the existing quality inspection, and the detection performance of F1-Score 0.954 and 0.895 was confirmed. In addition, the cause of defects occurring during the welding process was analyzed by analyzing the sensor data corresponding to the Timestamp of the defect image. This paper proposes a method for manufacturing quality assurance and improvement by detecting defects that occur during CFD process and analyzing their causes.

주제어

표/그림 (17)

그림 Fig. 1 Process of the CFD manufacturing
그림 Fig. 2 CFD Shape
그림 Fig. 3 In This Study Design Process
그림 Fig. 4 Comparison of YOLO-v7 and other object detectors (Hussain, 2023)
그림 Fig. 5 YOLOv7 network architecture(Kaya, Ömer et al., 2023)
그림 Fig. 6 Dataset of the shaft pipe process
그림 Fig. 7 Dataset of the welding process
표 Table 1 Trade-off between YOLOv7 and Faster R-CNN performance
표 Table 2 Dataset structure of the shaft pipe process
표 Table 3 Dataset structure of the welding process
표 Table 4 Hyperparameters of the trained models
표 Table 5 Training performance of Shaft pipe Dataset
표 Table 6 Training performance of Welding Dataset
그림 Fig. 8 Complex weld defects
표 Table 7 Evaluate Fault Detection Performance
그림 Fig. 9 Compare current, voltage Setpoint and actual value data for Overweld defects
그림 Fig. 10 Compare Current, Voltage Setpoint and Actual Value Data for Underweld Defects

참고문헌 (11)

Campbell, F. C. (Ed.). (2013). Inspection of？metals: understanding the basics. ASM？International.
Hussain, M. (2023). YOLO-v1 to YOLO-v8,？the Rise of YOLO and Its Complementary？Nature toward Digital Manufacturing and？Industrial Defect Detection. Machines, 677.？https://doi.org/10.3390/machines11070677

상세보기
Jiyeon Yim, Seong-Oak Lee, Kyoung-Pyo？Kim, & Yonggyun Yu. (2021). Application of？object detection algorithm for psychological？analysis of children's drawing. Journal of？Korea Society of Industrial Information？Systems, 26(5), 1-9.
Kaya, Omer & Codur, Muhammed &？Mustafaraj, Enea. (2023). Automatic Detection？of Pedestrian Crosswalk with Faster？R-CNN and YOLOv7. Buildings, 13, 1070.？https://doi.org/10.3390/buildings13041070.

상세보기
K., Nanthini., D., Sivabalaselvamani., K., Chitra.,？S., Kavinkumar. (2023). A Survey on Data？Augmentation Techniques. 913-920.
Moon-Seok Jeon, Yeongtae Kim, Yuseok？Jeong, Hyojun Bae, Chaewon Lee, Song？Lim Kim, & Inchan Choi (2023). A Study？on the Artificial Intelligence-Based Soybean？Growth Analysis Method. Journal of Korea？Society of Industrial Information Systems,？28(5), 1-14.
P. Soviany and R. T. Ionescu. (2018).？"Optimizing the Trade-Off between？Single-Stage and Two-Stage Deep Object？Detectors using Image Difficulty Prediction,"？2018 20th International Symposium on？Symbolic and Numeric Algorithms for？Scientific Computing (SYNASC), Timisoara,？Romania, pp. 209-214.
See, J. E. (2015). Visual Inspection Reliability？for Precision Manufactured Parts. Human？Factors, 57(8), 1427-1442. https://doi.org/10.1177/0018720815602389

상세보기
Sundaram, Sarvesh, and Abe Zeid. (2023).？"Artificial Intelligence-Based Smart Quality？Inspection for Manufacturing" Micromachines？14, no. 3: 570. https://doi.org/10.3390/mi14030570

상세보기
Wang, C. Y., Bochkovskiy, A., & Liao, H. Y.？M. (2023). YOLOv7: Trainable bag-of-freebies？sets new state-of-the-art for real-time？object detectors. In Proceedings of the？IEEE/CVF Conference on Computer Vision？and Pattern Recognition
Z. Haimer, K. Mateur, Y. Farhan and A. A.？Madi,. (2023). "YOLO Algorithms Performance？Comparison for Object Detection in Adverse？Weather Conditions," 2023 3rd International？Conference on Innovative Research in？Applied Science, Engineering and Technology？(IRASET), Mohammedia, Morocco, pp. 1-7.

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