초록 ▼

□ 기업의 애로사항
ㅇ 국제협력과제로 기업 지원 대상 과제가 아님

□ 지원(해결) 내용
ㅇ 제조업 공정데이터 분석 특화 산업인공지능 기술 개발

□ 지원 성과
ㅇ 정성적 성과
- 제조업 분야에 광범위하게 적용할 수 있는 제조업 공정데이터 분석에 특화된 딥러닝 알고리즘 개발
- 제조업 공정데이터 분석 기반 스마트 팩토리 요소기술 확보
- 국제 공동 연구를 통한 협력 연구 기반 및 연구 역량 확대
ㅇ 추가 성과
- JCR상위 20% SCI 논문 제출 1건

□ 기업의 애로사항
ㅇ 국제협력과제로 기업 지원 대상 과제가 아님

□ 지원(해결) 내용
ㅇ 제조업 공정데이터 분석 특화 산업인공지능 기술 개발

□ 지원 성과
ㅇ 정성적 성과
- 제조업 분야에 광범위하게 적용할 수 있는 제조업 공정데이터 분석에 특화된 딥러닝 알고리즘 개발
- 제조업 공정데이터 분석 기반 스마트 팩토리 요소기술 확보
- 국제 공동 연구를 통한 협력 연구 기반 및 연구 역량 확대
ㅇ 추가 성과
- JCR상위 20% SCI 논문 제출 1건 (20. 11.12 기준 Accepted, In press 상태)
- 국내 특허 출원 1건
ㅇ 기술스펙 달성 성과

□ 기술적 우수성
ㅇ 제조업 분야의 대표적인 공정데이터 유형인 시계열 데이터를 이미지로 변환하여 딥러닝 알고리즘 적용 → 공정 시계열 데이터 분석에 특화
- 제조업의 공정데이터 유형을 기존 딥러닝 분석 알고리즘을 적용하여 분석하기 적합한 형태로 변환(시계열 데이터 → 이미지 데이터)
- 이미지 변환 과정에서 정보 저장률의 극대화 및 데이터 간의 상관관계 정보를 해석하기 수월한 형태로 변환
- 변환된 이미지를 One-class classification 기반 딥러닝 알고리즘을 활용하여 양품/불량 판정 → 반지도학습(semi-supervised learning) 형태의 구성으로 양품/불량이 정확히 구분된 데이터 불필요

□ 성과활용
ㅇ 뿌리산업 분야 스마트 팩토리 요소기술로 활용
- 공정지능연구부문에서 연구 개발 중인 다이캐스팅 스마트 팩토리 플랫폼 기술에 본 과제를 통해서 개발된 제조업 데이터 분석 특화 모듈 탑재
- 본 과제를 통해서 개발하려는 기술은 제조업 분야의 공정데이터에 범용적으로 이용할 수 있으면서도, 제조업 분야 데이터 처리를 위해서 맞춤형으로 개발된 특화 알고리즘이므로 다양한 제조업 분야에 적용 확대를 진행할 수 있음
- 또한 본 과제에서 개발된 제품의 양품/불량 판정 알고리즘은 제조업 분야의 장비 레벨에서 탑재되어 보다 성능이 뛰어난 스마트 생산 장비 개발에 응용될 수 있음
ㅇ 국제 협력 개발 네트워크 확대
- 본 과제의 국제협력 파트너인 VTT와 TAU는 생산기술 관련 세계적인 연구개발 기관이며, TAU의 Eric coatanea 교수는 관련 분야의 세계적인 연구자임
- 따라서 국제 공동 협력 네트워크를 증대하고 이를 계기로 국제협력 네트워크를 보다 확장해 나갈 수 있음

(출처 : 지원 사례 요약 4p)

목차 Contents

• 표지 ... 1
• 제출문 ... 2
• 기관주요사업 연구보고서 ... 3
• 지원 사례 요약 ... 4
• 목차 ... 6
• 제 1 장 개요 ... 7
• 제 1 절 연구개발(지원) 목표 ... 7
• 제 2 절 연구개발(지원)의 필요성 ... 7
• 제 3 절 당해연도 연구개발(지원) 범위 ... 9
• 제 2 장 연구개발(지원) 내용 및 결과 ... 12
• 제 1 절 연구개발(지원) 추진 체계 ... 12
• 제 2 절 당해연도 연구개발(지원) 내용 ... 13
• 제 3 절 당해연도 연구개발(지원) 결과 ... 19
• 제 3 장 연구성과 활용 시나리오 ... 21
• 제 1 절 연구성과 활용 시나리오 ... 21
• 제 4 장 차년도 사업추진계획 ... 22
• 제 1 절 차년도 사업추진 내용 ... 22
• 제 2 절 차년도 사업추진 일정 ... 24
• 제 3 절 차년도 세부 성능지표(Spec) ... 25
• 제 5 장 참고문헌 ... 26
• 끝페이지 ... 28