$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

스마트 팩토리 환경에서의 딥러닝 기반 제품 데이터 시각화 및 지능형 모니터링 기술 연구
A Study on Deep Learning-based Product Data Visualization and Intelligent Monitoring Technology in Smart Factory Environment 원문보기

디지털콘텐츠학회 논문지 = Journal of Digital Contents Society, v.20 no.10, 2019년, pp.1933 - 1942  

이동수 (전남대학교 전자컴퓨터공학부) ,  오승민 (전남대학교 전자컴퓨터공학부) ,  이지훈 (전남대학교 전자컴퓨터공학부) ,  김진술 (전남대학교 전자컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

오늘날의 스마트 공장에서 실시간 제품 데이터 모니터링 및 예측을 위한 클라우드 기반의 가상화 플랫폼은 산업 프로세스 자동화를 위해 매우 중요하다. MEC(Multi-Access Edge Computing) 기반의 서버와 같은 클라우드 플랫폼은 실시간 모니터링 환경에서 저지연과 고성능을 지원하기 때문이다. 공장 데이터 시각화 및 모니터링에 관한 많은 연구는 기존에도 많이이루어졌으나 본 논문에서는 데이터 시각화 및 클러스터링을 위한 DNN(Deep Neural Network : 이하 DNN)을 제안했다. 본 논문을 통해 이전에는 없었던 스마트 팩토리 환경에서의 클러스터링 모듈과 데이터 시각화 및 DNN을 통한 최신 스마트 팩토리 데이터 모니터링 및 디스플레이 모듈에 대한 새로운 시스템을 제안하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Cloud based virtual platform for real-time product monitoring and prediction is crucial for automation of Industrial processes. The MEC based server and cloud platform gives a low latency and high performance in real-time environment monitoring. Although many research has been done in the data visua...

주제어

#딥러닝   #클라우드 컴퓨팅   #모바일 엣지 컴퓨팅   #플랫폼 가상화   #지능형 예측   #Deep learning   #Cloud Computing   #MEC   #Platform Virtualization   #IoT   #Intelligent Prediction  

참고문헌 (16)

  1. Hartigan, J. A., Wong, M. A.. A K‐Means Clustering Algorithm. Journal of the Royal Statistical Society. Series C, Applied statistics, vol.28, no.1, 100-108.

    상세보기 crossref

  2. Zini, Gina, d'Onofrio, Giuseppe. Neural network in hematopoietic malignancies. Clinica chimica acta, vol.333, no.2, 195-201.

    상세보기 crossref

  3. Hirose, Y., Yamashita, K., Hijiya, S.. Back-propagation algorithm which varies the number of hidden units. Neural networks : the official journal of the International Neural Network Society, vol.4, no.1, 61-66.

    상세보기 crossref

  4. H. Hu, R. Peng, Y. Tai, C. Tang, and N. Trimming, “A data-driven neuron pruning approach towards efficient deep architectures. arxiv preprint,” arXiv preprint arXiv:1607.03250, 2016. 

  5. M. S. Munir, S. F. Abedin, M. G. R. Alam, D. H. Kim, and C. S. Hong, “Rnn based energy demand prediction for smart-home in smart-grid framework,” in Korea Software Congress, 2017, pp. 437-439. 

  6. Sung-Hwan Lee, Sang-Bae Park and Ihn-Seok Ahn, “Power Monitoring and Distributed Control by Digital Relay,” The Korean Society of Industrial Application, vol. 4, no. 3, pp. 263-266, 2001. 

  7. V. Q. Nguyen, L. Van Ma, and J. Kim, “Lstm-based anomaly detection on big data for smart factory monitoring,” Journal of Digital Contents Society, vol. 19, no. 4, pp. 789-799, 2018. 

  8. 채창훈, 최효열, 최준석. IEC61400-25 국제표준기반 풍력 SCADA시스템을 위한 데이터베이스 설계방안. 정보처리학회논문지. KIPS transactions on computer and communication systems 컴퓨터 및 통신 시스템, vol.1, no.3, 151-160.

    원문보기 상세보기 crossref

  9. I.-G. Lee and B.-Y. Lee, “Proceedings of the Korea Environmental Sciences Society Conference” in Proceedings of the Korean Environmental Sciences Society Conference. The Korean Environmental Sciences Society, 2018, pp. 67-67. 

  10. Younghwan Shin Jusik Yun Sunho Seo and Jong-Moon Chung, “Deployment of Network Resources for Enhancement of Disaster Response Capabilities with Deep Learning and Augmented Reality,” Journal of Internet Computing and Services, vol. 18, no. 5, pp. 69-77, 2017. 

  11. Kim, Hwa-Jong , “Deep Learning City: A Big Data Analytics Framework for Smart Cities,” informationization policy, vol. 24, no. 4, pp. 79-92, 2017. 

  12. 10.3837/tiis.2014.02.020 

    crossref

  13. D. L. White, J. L. Sharp, G. Eidson, S. Parab, F. Ali, and S. Esswein, “Real-time quality control (qc) processing, notification, and visualization services, supporting data management of the intelligent river,” 2010. 

  14. 10.1109/ICAIIC.2019.8669031 

    crossref

  15. Mohammadi, Mehdi, Al-Fuqaha, Ala, Sorour, Sameh, Guizani, Mohsen. Deep Learning for IoT Big Data and Streaming Analytics: A Survey. IEEE Communications surveys and tutorials, vol.20, no.4, 2923-2960.

    상세보기 crossref

  16. D.-A. Clevert, T. Unterthiner, and S. Hochreiter, “Fast and accurate deep network learning by exponential linear units (elus),” arXiv preprint arXiv:1511.07289, 2015. 

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로