[보고서]공정 품질 예측 및 원인 분석을 위한 고성능 데이터마이닝 모델 연구

검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
검색연산자

검색연산자	기능	검색시 예
()	우선순위가 가장 높은 연산자	예1) (나노 (기계 \| machine))
공백	두 개의 검색어(식)을 모두 포함하고 있는 문서 검색	예1) (나노 기계) 예2) 나노 장영실
\|	두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색	예1) (줄기세포 \| 면역) 예2) 줄기세포 \| 장영실
!	NOT 이후에 있는 검색어가 포함된 문서는 제외	예1) (황금 !백금) 예2) !image
*	검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색	예) semi*
""	따옴표 내의 구문과 완전히 일치하는 문서만 검색	예) "Transform and Quantization"

과학기술 지식인프라 ScienceON

안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

국가RnD연구보고서의 원문 비공개 사유

- 연구자(주관기관, 과제관리기관 등)가 비공개를 요청한 경우
- 지식재산권(특허 등)의 취득을 위하여 공개 유보를 요청한 경우
- 참여기업의 대표가 영업비밀 보호 등의 정당한 사유로 비공개를
요청한 경우
- 보안과제인 경우

※ 국가연구개발사업의 관리 등에 관한 규정(2012.7.1 시행)
에 의해 추후 공개로 전환될 가능성은 있습니다.

과제관리기관과의 협의를 통하여 비공개 보고서를 공개로 전환할 수
있도록 계속적으로 관리되고 있으며, 현재 비공개 처리된 보고서의
열람이 어려운 점 양해 부탁드립니다.

보고서 상세정보

MyON담기

내보내기

공정 품질 예측 및 원인 분석을 위한 고성능 데이터마이닝 모델 연구

Advanced data mining algorithm for quality prediction and feature analysis in manufacturing

과제명	공정 품질 예측 및 원인 분석을 위한 고성능 데이터마이닝 모델 연구
주관연구기관	한국생산기술연구원 Korea Institute of Industrial Technology
보고서유형	최종보고서
발행국가	대한민국
언어	한국어
발행년월	2017-02
과제시작년도	2016
주관부처	미래창조과학부 Ministry of Science, ICT and Future Planning
등록번호	TRKO201700003167
과제고유번호	1711047236
사업명	한국생산기술연구원연구운영비지원
DB 구축일자	2017-09-20
키워드	데이터마이닝.머신러닝.딥러닝.학습 복잡도.준지도 학습.제조.품질.예측.가상계측.스마트공장.Data mining.machine learning.deep learning.training complexity.semi-supervised learning.manufacturing.quality.prediction.virtual metrology.smart factory.
DOI	https://doi.org/10.23000/TRKO201700003167

연구과제
타임라인
▼

과제명

공정 품질 예측 및 원인 분석을 위한 고성능 데이터마이닝 모델 연구

과제기간

2016 ~ 2017

총연구비 ...

초록
▼

개발의 목표
○ 대용량 데이터의 효율적 학습을 위한 학습 복잡도 감소 방법론 연구
- 학습 데이터 선택에 따른 모델의 효율적 학습 방법론 개발
- 학습 효율성을 증대시킴과 동시에 일반화 성능 유지
○ 현장 데이터...

개발의 목표
○ 대용량 데이터의 효율적 학습을 위한 학습 복잡도 감소 방법론 연구
- 학습 데이터 선택에 따른 모델의 효율적 학습 방법론 개발
- 학습 효율성을 증대시킴과 동시에 일반화 성능 유지
○ 현장 데이터 분석 능력 강화를 위한 Semi-Supervised 학습 방법론 연구
- Unlabeled 데이터를 학습하여 일반화 성능 강화하는 학습 방법론 개발
- 모델 성능 강화 동시에 학습 복잡도 감소

개발내용 및 결과
○ 학습 복잡도 감소 알고리즘
- 내용 : 학습 복잡도 감소 알고리즘 개발
- 방법 : Multiple bootstrap learning을 활용하여 중요한 학습 데이터만 선택, 학습 속도를 개선하면서 예측 정확도 유지
- 성능 : 학습 복잡도 40.28% 감소 및 모델 성능 유지 3.35% 달성
○ Semi-Supervised 학습 알고리즘
- 내용 : Unlabeled 데이터를 학습에 활용하여 모델 성능을 높이기 위한 Semi-Supervised 알고리즘 개발
- 방법 : Probabilistic local reconstruction (PLR) 방법을 활용, unlabeled 데이터의 label을 복원하여 학습, 학습 복잡도는 낮은 수준으로 유지　
- 성능 : 예측 성능 강화 10.29% 및 학습 복잡도 감소 72% 달성
○ Feature Selection 알고리즘(추가 연구)
- 내용 : 다변량 분석을 위한 변수 선택 알고리즘 개발
- 방법 : Random forward search 기반 전역 최적해를 찾을 수 있는 변수 선택 알고리즘 개발
- 성능 : 기존 알고리즘 대비 학습 복잡도 47.62% 수준 개선

(출처 : 기관주요사업 요약서(초록))

연구자의 다른 보고서

김동일(5) 윤주성(17) 구정인(12)

표 / 그림 (32)

참고문헌

이 보고서와 연관된 기능

이 보고서와 함께 이용한 콘텐츠

과제명(ProjectTitle) :	공정 품질 예측 및 원인 분석을 위한 고성능 데이터마이닝 모델 연구
연구책임자(Manager) :	김동일
과제기간(DetailSeriesProject) :	2016 ~ 2017
총연구비 (DetailSeriesProject) :	129,454,000원
키워드(keyword) :	데이터마이닝, 머신러닝, 딥러닝, 학습 복잡도, 준지도 학습, 제조, 품질, 예측, 가상계측, 스마트공장
과제수행기간(LeadAgency) :	한국생산기술연구원
연구목표(Goal) :	○ 공정 품질예측 및 원인 분석을 위한 고성능 데이터마이닝 모델 연구 - 대용량 데이터의 효율적 학습을 위한 학습 복잡도 감소 알고리즘 연구 - 현장 데이터 분석 능력 강화를 위한 Semi-Supervised 학습 알고리즘 연구 - 품질예측 성능 향상을 위한 딥러닝 기반 학습 알고리즘 연구○ 실제 공정 품질 데이터 적용을 통한 모델 성능 검증 - 실...
연구내용(Abstract) :	○ 대용량 데이터의 효율적 학습을 위한 학습 복잡도 감소 방법론 연구 - 대상 알고리즘 선정 및 학습 복잡도 분석 - 학습 복잡도 감소를 위한 학습 알고리즘 개발○ 현장 데이터 분석 능력 강화를 위한 Semi-Supervised 학습 방법론 연구 - 대상 알고리즘 선정 및 Unlabeled 데이터 파악 - Unlabeled 데이터를 활용한 Semi-...
기대효과(Effect) :	○ 실제 제조 현장 데이터 분석 역량 강화 - 대용량 데이터의 효율적 분석 가능 - 현장의 Unlabeled 데이터 활용을 통한 모델 성능 강화 - 딥러닝 적용을 통한 품질예측 성능 강화○ 스마트 공장과의 연계/발전을 통한 중소/중견기업의 품질 경쟁력 강화 - 예측 기반 선제적 품질관리 및 공정 중 품질 전수검사 및 불량 조기 탐지 가능 - 향후 ...

내보내기

상세정보
내보내기 구분	파일저장 인쇄 메일전송
구성항목	관리번호, 제목(한글), 저자명(한글), 발행일자, 전자원문, 초록(한글), 초록(영문) 관리번호, 제목(한글), 제목(영문), 저자명(한글), 저자명(영문), 주관연구기관(한글), 주관연구기관(영문), 발행일자, 총페이지수, 주관부처명, 과제시작일, 보고서번호, 과제종료일, 주제분류, 키워드(한글), 전자원문, 키워드(영문), 입수제어번호, 초록(한글), 초록(영문), 목차
저장형식	Text(ASCII format) Excel format
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

과학기술 지식인프라 ScienceON