KR102219526B1 - 인공신경망 기반 제조 품질 불량 예측 시스템 - Google Patents

인공신경망 기반 제조 품질 불량 예측 시스템 Download PDF

Info

Publication number
KR102219526B1
KR102219526B1 KR1020200139237A KR20200139237A KR102219526B1 KR 102219526 B1 KR102219526 B1 KR 102219526B1 KR 1020200139237 A KR1020200139237 A KR 1020200139237A KR 20200139237 A KR20200139237 A KR 20200139237A KR 102219526 B1 KR102219526 B1 KR 102219526B1
Authority
KR
South Korea
Prior art keywords
data
injection
unit
defect
quality
Prior art date
Application number
KR1020200139237A
Other languages
English (en)
Inventor
고강록
Original Assignee
(주) 슬랙앤소프트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주) 슬랙앤소프트 filed Critical (주) 슬랙앤소프트
Priority to KR1020200139237A priority Critical patent/KR102219526B1/ko
Application granted granted Critical
Publication of KR102219526B1 publication Critical patent/KR102219526B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)

Abstract

본 발명은 인공신경망 기반 제조 품질 불량 예측 시스템으로서, 사출기의 사출 성형 제품의 불량 사출을 예측하는 중앙서버;를 포함한다.

Description

인공신경망 기반 제조 품질 불량 예측 시스템{MANUFACTURING QUALITY DEFECT PREDICTION SYSTEM BASED ON ARTIFICIAL NEURAL NETWORK}
본 발명은 인공신경망 기반 제조 품질 불량 예측 시스템에 관한 것이다.
사출 성형 시장은 국가 기반 산업의 근간을 이루며, 전체 금형 시장의 44%나 되는 정도로 큰 시장이다.
사출성형이란 일정 형상으로 이루어지는 공동공간이 마련되는 금형을 합형한 상태에서 용융된 수지를 금형의 공동공간에 주입하고 경화시켜 제품을 제작하는 방식으로, 일반 생활용품에서 자동차 부품까지 매우 다양한 산업 분야에 활용되고 있다.
이러한 사출성형에 있어, 장치의 오작동이나 부적절한 압력 및 온도 조절, 그리고 금형에 주입되는 재료의 흐름 특성 등에 따라 제품에는 다양한 형태의 결함들이 발생하게 되며, 제품에 나타나는 이러한 결함들은 제품 자체의 가치를 떨어뜨리는 주요한 요인으로 작용하기 때문에 작업과정에서 이들을 적절하게 식별하여 제거할 필요가 있다.
종래 사출성형 작업 과정에서 주로 사용하였던 방식이 작업자의 육안을 통한 결함 식별이었으나 이러한 방식은 인력과 시간이 많이 소요될 뿐 아니라, 작업자의 숙련도에 따라 그 판단 자체가 달라질 수 있다는 점에서 객관 적인 운용이 불가능한 문제가 있었다.
또한, 사출 성형 업종은 업종의 특성상 기술 인력의 노하우에 대한 의존도가 높아 표준화가 어려운 특성을 가지고 있어 중소기업의 경우 불량의 원인을 파악하는 것이 미흡하고, 대책을 마련하는 것에 어려움을 겪고 있다.
한국공개특허 제10-2019-0101107호
본 발명은 사출 성형 과정에서 발생하여 제품의 외관에 영향을 미치는 다양한 종류의 결함을 보다 정확하게 판별할 수 있고, 빅데이터 분석을 이용하여 미리 예측하는 인공신경망 기반 제조 품질 불량 예측 시스템을 제공한다.
본 발명의 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템은, 사출기의 사출 성형 제품의 불량 사출을 예측하는 중앙서버;를 포함할 수 있다.
본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템은, 일단에 케이블이 연결되어 있어 상기 사출기에 상기 케이블을 연결하고, 상기 케이블이 연결된 상기 사출기가 위치한 작업 공간의 온도, 습도와 같은 작업공간의 내부 환경 및 수집시간을 포함하는 설비데이터 및 상기 사출 성형 제품의 완성도와 같은 성형 제품의 데이터를 포함하는 사출데이터를 상기 중앙서버로 송신하는 데이터 수집 모듈; 및 하단은 일정한 두께를 갖는 사각판의 형상으로 형성되고, 상단은 원기둥의 형상으로 형성되되 외측면을 따라 광확산부가 마련되어 있으며 내부에는 LED 기판이 마련되어 있는 알림부;를 포함할 수 있다.
일 실시예에 따른 상기 중앙서버는, 상기 데이터 수집 모듈로부터 제공받은 상기 설비데이터 및 사출데이터를 저장하여 DB화하는 데이터베이스부; 상기 데이터베이스부에서 DB화된 데이터를 실시간으로 분석하고, 분석 결과 상기 사출 성형 제품의 품질에 불량이 발견되는 경우 품질 이상 신호를 생성하여 상기 사출기로 상기 품질 이상 신호를 송신하고, 불량이 발견된 상기 사출 성형 제품의 품질데이터를 분석하여 불량의 원인을 추적하고, 상기 불량의 원인에 대응하여 상기 사출 성형 제품의 개선이 가능한 관리방법을 수집하여 관리데이터로 저장하고, 상기 품질 이상신호, 추적한 상기 불량의 원인 및 상기 관리데이터를 학습한 딥러닝 모델을 구축하는 데이터분석부; 및 상기 사출기의 모델과 위치한 작업 공간에 따라 각각 명칭을 부여하여 상기 사출기와 연결되어 있는 상기 데이터 수집 모듈의 등록 또는 제거 여부를 관리하고, 상기 데이터 수집 모듈에 장애가 발생하여 상기 사출기에 다른 데이터 수집 모듈로 교체가 이루어지는 경우, 상기 사출기의 명칭을 이용하여 교체된 다른 데이터 수집 모듈을 자동으로 등록하는 장치관리부;를 포함할 수 있다.
일 실시예에 따른 상기 중앙서버는, 상기 품질 이상신호, 추적한 상기 불량의 원인 및 상기 관리데이터를 학습한 상기 딥러닝 모델에 상기 데이터 수집 모듈로부터 제공받은 상기 설비데이터 및 사출데이터를 입력하여 관리데이터를 포함하는 분석데이터를 출력할 수 있다.
일 실시예에 따른 상기 중앙서버는, 상기 데이터 수집 모듈에서 제공받는 상기 설비데이터 또는 사출데이터를 이용하여 상기 사출기로부터 품질이 불량인 제품이 사출되는 것이 예측되는 경우, 불량 알림 신호를 상기 알림부로 송신할 수 있다.
일 실시예에 따른 상기 알림부는, 상기 중앙서버로부터 상기 불량 알림 신호가 수신되는 경우, LED 기판을 발광할 수 있다.
일 실시예에 따른 상기 알림부는, 외측면을 따라 마련되어 있는 상기 광확산부를 통하여 LED 기판으로부터 조사되는 빛을 사방으로 균일하게 조사할 수 있다.
본 발명의 다른 실시예에 따른 상기 인공신경망 기반 제조 품질 불량 예측 시스템은, '∏'와 같은 형상으로 형성되고, 하측 양단에는 가로 방향을 따라 홈이 형성되어 있되 상기 홈은 나란히 두 개의 층으로 형성되어 있는 레일부; 모터와 같이 회전 구동이 가능한 제1 회전부를 포함하고, 상기 레일부의 하단에 나란히 두 개의 층으로 형성되어 있는 홈에 삽입 연결되며 내부에는 상기 제1 회전부에 의해 회전하는 제1 회전바퀴가 마련되어 있어 상기 레일부의 가로 방향으로 이동하는 돌기부를 포함하고, 타단에는 상기 제1 회전부가 마련되어 있으며 일단에는 상기 돌기부가 마련되어 있는 지지판을 포함하고, 모터와 같이 회전 구동이 가능한 제2 회전부를 포함하고, 상기 제2 회전부와 연결되어 있어 상기 제2 회전부에 의해 회전하는 제2 회전바퀴가 양단에 마련되어 있고, 양단에 마련되어 있는 상기 제2 회전바퀴를 연결해주는 연결부를 포함하는 구동모듈; 상기 구동모듈의 양단에 마련되어 있는 상기 제2 회전바퀴를 각각 감싸는 형태로 형성되고, 상기 제2 회전바퀴의 회전에 의하여 길이가 조정되는 길이조정부; 및 하단에 상기 알림부가 안착 가능하도록 평평한 사각판의 형상으로 형성된 안착부가 마련되고, 상단에 상기 안착부의 각 모서리에 마련되어 있으며 원기둥의 형상으로 형성된 다수 개의 지지대가 마련되어 있는 승강부;를 더 따른 포함할 수 있다.
일 실시예에 따른 상기 구동모듈은, 상기 제2 회전바퀴의 하단에 마련되어 상기 제2 회전바퀴의 구동을 지지하고, 양단에는 상기 길이조정부보다 넓은 너비로 관통 가능한 홈이 형성되어 있어 상기 길이조정부가 관통하는 하단지지부를 포함할 수 있다.
일 실시예에 따른 상기 승강부는, 상기 지지대의 상단이 '┛' 또는 'ㄴ'의 형상으로 형성되어 상기 길이조정부와 연결되어 있고, 상기 길이조정부의 길이 조정에 의하여 승강 또는 하강할 수 있다.
상술한 본 발명의 일측면에 따르면, 본 발명이 제안하는 인골신경망 기반 제조 품질 불량 예측 시스템을 이용하여 사출 성형 과정에서 발생하여 제품의 외관에 영향을 미치는 다양한 종류의 결함을 보다 정확하게 판별할 수 있고, 빅데이터 분석을 이용하여 미리 예측하여 사출 성형 제품의 불량률을 감소시킬 수 있다.
본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.
도 1 및 도 2는 본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템의 구성도가 도시된 도면이다.
도 3은 본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템을 이용한 분석 결과가 도시된 도면이다.
도 4는 본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템을 이용하는 경우 시스템의 흐름이 도시된 도면이다.
도 5는 도 4에 도시된 시스템의 흐름 중 사용하는 서버의 예시를 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템의 핵심기능을 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템의 알림부가 도시된 도면이다.
도 8 및 도 9는 본 발명의 다른 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템의 레일부, 구동모듈, 레일 및 승강부에 관한 구성이 도시된 도면이다.
도 10 및 도 11은 본 발명의 또 다른 실시예에 따른 승강부의 지지대에 관한 구성이 도시된 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "체결되어" 있다고 언급된 때에는, 그 다른 구 성요소에 직접적으로 연결되어 있거나 또는 체결되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 체결되어" 있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1 및 도 2는 본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템의 구성도가 도시된 도면이다.
도 1 및 도 2를 참조하면, 본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템의 개략적인 구성을 확인할 수 있다.
본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템은 자재가 투입되는 사출기(100), 사출기(100)와 케이블로 연결되어 사출기(100)의 설비데이터 또는 사출 성형 제품의 상태를 포함하는 사출데이터를 수집하는 데이터 수집 모듈(200), 데이터 수집 모듈(200)로부터 설비데이터 및 사출데이터를 제공받는 중앙서버(400), 중앙서버(400)로부터 불량 알림 신호를 수신하여 발광하는 알림부(600)를 포함할 수 있다.
데이터 수집 모듈(200)은 일단에 케이블이 연결되어 있을 수 있어 사출기(100)에 케이블을 연결하여 사출기(100)와 연결될 수 있다.
데이터 수집 모듈(200)은 케이블이 연결된 사출기가 위치한 작업 공간의 온도, 습도와 같은 작업공간의 내부 환경 및 수집시간을 포함하는 설비데이터 및 사출 성형 제품의 완성도와 같은 성형 제품의 데이터를 포함하는 사출데이터를 중앙서버(400)로 송신할 수 있다.
데이터 수집 모듈(200)은 SQC(statisticalquality　control)와 같은 생산공정에서 품질을 관리하는 품질관리 시스템이 가능한 장치로서, 전세계 사출제조기업에서 사용되는 사출기의 품질관리 시스템이 가능한 장치를 의미할 수 있다.
데이터 수집 모듈(200)은 사출기(100)에 케이블로 연결할 수 있도록 구성될 수 있고, 사출기(100)의 설비데이터가 자동으로 지정된 서버로 전송되도록 설정할 수 있다.
또한, 데이터 수집 모듈(200)은 특정 사출기 브랜드 또는 모델 별로 설비데이터의 자동수집이 가능하도록 설계될 수 있으며, 이에 따라 전문적인 IT 엔지니어 없이도 현장 작업자가 스스로 장치를 설치할 수 있다.
여기서, 데이터 수집 모듈(200)은 라즈베리파이를 기반으로 하여 장치가 설계될 수도 있으나, 이에 한정되는 것은 아니고 사출기(100) 별로 설비데이터 또는 사출데이터를 수집함에 있어서 사출기의 브랜드 또는 모델 별로 각기 다른 프로토콜을 적용한 S/W를 설치할 수 있다면 그 명칭에 구애됨 없이 포함할 수 있다.
데이터 수집 모듈(200)은 통계적 품질관리를 위하여 설비데이터를 X인자로 인식하여 수집할 수 있고, 사출데이터를 Y인자로 인식하여 수집할 수 있으며 Xbar-R, Xbar-S, Cp/Cpk, Histogram 등 사출제조에 맞추어 통계적인 관리도를 제공할 수 있다.
알림부(600)는 데이터 수집 모듈(200)에 유선 또는 무선으로 연결되어 있을 수 있고, 중앙서버(400)로부터 불량 알림 신호가 수신되는 경우 발광하여 사출기(100)가 위치한 작업 공간의 현장 작업자에게 즉시 조치를 요구할 수 있다.
중앙서버(400)는 인공신경망을 기반으로 하여 사출기(100)의 사출 성형 제품의 불량 사출을 예측할 수 있고, 현장 작업자에게 고지하기 위한 불량 알림 신호를 제공할 수 있고, 이를 통하여 사출 성형 제품의 불량을 방지할 수 있다.
중앙서버(400)는 데이터베이스부(410), 데이터분석부(450) 및 장치관리부(490)를 포함할 수 있다.
데이터베이스부(410)는 데이터 수집 모듈(200)로부터 제공받은 설비데이터 및 사출데이터를 저장하여 DB화할 수 있다.
데이터분석부(450)는 데이터베이스부(410)에서 DB화된 데이터를 실시간으로 분석할 수 있고, 분석 결과 사출 성형 제품의 품질에 불량이 발견되는 경우 품질 이상 신호를 생성할 수 있고, 품질 이상 신호를 사출기로 송신할 수 있다.
동시에 데이터분석부(450)는 불량이 발견된 사출 성형 제품의 품질데이터를 분석하여 불량의 원인을 추적할 수 있고, 불량의 원인에 대응하여 사출 성형 제품의 개선이 가능한 관리방법을 수집하여 관리데이터로 저장할 수 있다.
데이터분석부(450)는 불량이 발견되어 생성되는 품질 이상 신호, 추적한 불량의 원인 및 개선을 위한 관리데이터를 학습한 딥러닝 모델을 구축할 수 있다.
중앙서버(400)는 데이터분석부(450)에서 구축한 딥러닝 모델에 데이터 수집 모듈(200)로부터 제공받은 설비데이터 및 사출데이터를 입력할 수 있고, 딥러닝 모델은 학습한 내용을 바탕으로 하여 입력된 설비데이터 및 사출데이터로부터 사출기(100)의 개선을 위한 관리데이터를 포함하는 분석데이터를 출력할 수 있다.
중앙서버(400)는 출력한 분석데이터를 사출기반 중소 제조기업에 제공하여 사출기(100)의 관리 또는 사출기(100)가 위치한 작업 공간의 관리 방법 등을 제공할 수 있다.
장치관리부(490)는 사출기(100)의 모델과 위치한 작업 공간에 따라 각각 명칭을 부여할 수 있고, 이로부터 사출기(100)와 연결되어 있는 데이터 수집 모듈(200)의 등록 또는 제거 여부를 관리할 수 있다.
데이터 수집 모듈(200)에 장애가 발생하여 사출기(100)에 다른 데이터 수집 모듈로 교체가 이루어지는 경우, 사출기(100)에 부여한 명칭을 이용하여 교체된 다른 데이터 수집 모듈을 자동으로 등록할 수 있다.
도 3은 본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템을 이용한 분석 결과가 도시된 도면이다.
도 3을 참조하면, 본 발명이 제안하는 인공신경망 기반 제조 품질 불량 예측 시스템의 빅데이터 분석을 활용하는 중앙서버(400)를 이용한 결과 빅데이터 분석을 이용한 측정값의 유의성 분석 결과, 검사항목 품질과의 연관관계 도출 결과, 불량 공정 분석 결과 및 SPC 분석 결과를 확인할 수 있다.
즉, 본 발명이 제안하는 인공신경망 기반 제조 품질 불량 예측 시스템의 빅데이터 분석을 활용하는 중앙서버(400)를 이용함으로 사출 제조 기업에서는 사출 성형 제품의 불량률을 낮출 수 있다.
도 4는 본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템을 이용하는 경우 시스템의 흐름이 도시된 도면이다.
본 발명이 제안하는 인공신경망 기반 제조 품질 불량 예측 시스템을 이용하는 사출기반 중소 제조기업의 경우, 웹사이트 등의 쇼핑몰을 통하여 데이터 수집 모듈(200)를 결제하여 구입할 수 있고, 구입한 데이터 수집 모듈(200)을 해당 기업의 사출기에 연결할 수 있다.
이를 통하여, 데이터 수집 모듈(200)은 사출기반 중소 제조기업의 작업 공간에 위치한 사출기로부터 설비데이터 및 사출데이터를 수집할 수 있고, 설비데이터 및 사출데이터를 중앙서버(400)로 송신할 수 있다.
여기서, 중앙서버(400)는 코딩 시간을 단축시킬 수 있고, 모바일을 비롯한 여러가지 플랫폼용으로 쉽게 개발할 수 있으며, 응용 프로그램의 수명 주기를 효율적으로 관리할 수 있는 Microsoft의 Azure PaaS를 기반으로 하여 설계될 수 있다.
그러나, 중앙서버(400)가 사용하는 플랫폼은 Microsoft의 Azure PaaS으로 한정되는 것은 아니고, 도 5와 같이 본 발명이 제안하는 인공신경망을 기본으로 하여 사출 기업의 사출 성형 제품의 불량률을 줄이는 역할을 수행할 수 있는 개발 환경이라면 그 명칭에 구애됨 없이 모두 포함할 수 있다.
중앙서버(400)는 빅데이터 분석을 이용하여 사출 성형 제품의 불량의 원인, 불량을 개선하기 위한 관리방법을 수집한 관리데이터 등을 학습하여 딥러닝 모델을 구축할 수 있다.
중앙서버(400)는 딥러닝 모델에 데이터 수집 모듈(200)로부터 수신되는 설비데이터 및 사출데이터를 입력하여 사출 성형 제품의 불량의 원인, 관리데이터를 포함하는 분석데이터를 출력할 수 있고, 출력한 분석데이터를 SQC 기술지원센터로 송신할 수 있다.
SQC 기술지원센터는 중앙서버(400)로부터 수신된 분석데이터와 사출 성형 제품의 품질 이상 경보 등의 불량 알림 신호를 사출기반 중소 제조기업으로 송신할 수 있다.
한편, 사출기반 중소 제조기업은 데이터 수집 모듈(200)을 구입함으로 인하여 월 서비스 이용요금을 K-Thinking Factory를 통하여 결제할 수 있고, 결제내역을 확인하여 SQC 고객지원센터는 사출기반 중소 제조기업으로 데이터 수집 모듈(200)의 설치 및 AS 지원을 제공할 수 있고, 중앙서버(400)에서 분석한 데이터를 제공할 수 있다.
도 6은 본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템의 핵심기능을 나타낸 도면이다.
도 6을 참조하면, 본 발명이 제안하는 인공신경망 기반 제조 품질 불량 예측 시스템의 핵심기능은 시스템, 품질 SPEC 설정, 공정조건 관리, 품질모니터링, 조직, 관리 코드, 불량 관리, 품질 이상 발생, SQC 장치, 품질 규격 관리 및 장치 설정으로 나뉘어질 수 있다.
시스템 기능으로는 본 발명이 제안하는 인공신경망 기반 제조 품질 불량 예측 시스템은 사용자 정보, 메뉴 설정, 화면 관리, 시스템코드, 사용자 권한, 사용자정의코드를 제어할 수 있다.
품질 SPEC 설정 기능에는 품질규격정보 및 공정조건정보가 포함되어 있을 수 있고, 품질규격설정 및 공정조건설정을 입력할 수 있다.
공정조건 관리기능은 Run Chart, Histogram, Cp. Cpk 및 Raw Data History를 포함할 수 있고, 조직은 사업장 정보, 부서 정보, 작업장, 공장정보, 사원정보를 포함할 수 있다.
관리 코드 기능은 거래처, 공정 정보, 품목 정보 및 설비 정보 별로 코드를 나누어 관리할 수 있고, 불량 관리 기능은 P Chart, Pie Chart, 불량 파레토 및 Raw Data History를 파악할 수 있고, 저장하여 관리할 수 있다.
품질 이상 발생 기능은 품질 Trend 모니터링 알람 및 품질 Spec 이탈 모니터링 알람을 수행할 수 있으며, SQC 장치를 통하여 장치 정보 및 장치 설정 정보를 제어할 수 있다.
Xbar-R, Xbar-S, Cp.Cpk, Histogram 및 Raw Data History를 이용하여 품질 규격 관리를 수행할 수 있고, 장치설정기능을 통하여 장치설정을 저장할 수 있고, 프로토콜을 자동 설정할 수 있으며, LS산전 사출기 프로토콜 개발, 네트워크 자동설정, 경광등 자동설정 등이 이루어질 수 있다.
도 7은 본 발명의 일 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템의 알림부가 도시된 도면이다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 알림부(600)의 하단은 일정한 두께를 갖는 사각판의 형상으로 형성되어 있을 수 있고, 상단은 원기둥의 형상으로 형성되되 외측면을 따라 광확산부가 마련되어 있을 수 있으며 내부에는 LED 기판이 마련되어 있을 수 있다.
알림부(600)는 중앙서버(400)로부터 불량 알림 신호가 수신되는 경우, LED 기판을 발광할 수 있고, 외측면을 따라 마련되어 있는 광확산부를 통하여 LED 기판으로부터 조사되는 빛을 사방으로 균일하게 조사할 수 있다.
도 8 및 도 9는 본 발명의 다른 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템의 레일부, 구동모듈, 레일 및 승강부에 관한 구성이 도시된 도면이다.
도 8 및 도 9를 참조하면, 본 발명의 다른 실시예에 따른 인공신경망 기반 제조 품질 불량 예측 시스템은 레일부(500), 구동모듈(700), 길이조정부(800) 및 승강부(900)를 포함할 수 있다.
레일부(500)는 '∏'와 같은 형상으로 형성되어 있을 수 있고, 하측 양단 지지기둥(550)에는 가로 방향을 따라 레일홈(555)이 형성되어 있되, 레일홈(555)은 나란히 두 개의 층으로 형성되어 있을 수 있다.
구동모듈(700)은 레일부(500)의 양단에 마련되어 있을 수 있고, 각 구동모듈(700)은 제1 회전부(710), 제1 회전바퀴(미도시), 돌기부(751), 지지판(701), 제2 회전부(750), 제2 회전바퀴(771, 772) 및 연결부(730)를 포함할 수 있다.
구동모듈(700)은 제1 회전부(710) 및 제1 회전바퀴(미도시)에 의하여 레일부(500)의 길이 방향으로 이동할 수 있고, 제2 회전부(750) 및 제2 회전바퀴(771, 772)에 의하여 승강부(900)를 승강 또는 하강시킬 수 있다.
제1 회전부(710) 및 제2 회전부(750)는 모터와 같이 회전 구동이 가능한 장치로 마련되어 있을 수 있다.
여기서, 제1 회전부(710) 및 제2 회전부(750)는 일 실시예를 설명하기 위하여 모터를 예로 들었으나, 이에 한정되는 것은 아니고 제1 회전바퀴(미도시) 및 제2 회전바퀴(771, 772)가 회전 가능하도록 동력을 제공할 수 있는 장치라면 명칭에 구애됨 없이 모두 포함할 수 있다.
돌기부(751)는 레일부(500)의 하단에 나란히 두 개의 층으로 형성되어 있는 레일홈(555)에 삽입 연결될 수 있으며 내부에는 제1 회전부(710)에 의해 회전하는 제1 회전바퀴(미도시)가 마련되어 있을 수 있어 레일부(500)의 가로 방향으로 이동할 수 있다.
지지판(701)은 타단에 제1 회전부(710)가 마련되어 있을 수 있으며 일단에는 돌기부(751)가 마련되어 있을 수 있다.
제2 회전바퀴(771, 772)는 구동모듈(700)의 일측면 양단에 마련되어 있을 수 있고, 제2 회전부(750)와 연결되어 있을 수 있어 제2 회전부(750)에 의해 회전 구동할 수 있다.
연결부(730)는 양단에 마련되어 있는 제2 회전바퀴(771, 772)를 연결해줄 수 있고, 제2 회전바퀴(771, 772)의 회전 구동에 의하여 발생하는 충격을 흡수할 수 있다.
한편, 구동모듈(700)은 제2 회전바퀴(771, 772)의 하단에 마련되어 있을 수 있어 제2 회전바퀴(771, 772)의 구동을 지지할 수 있고, 양단에는 길이조정부(800)보다 넓은 너비로 관통 가능한 홈이 형성되어 있을 수 있어 길이조정부(800)가 관통하는 하단지지부(791, 792)를 더 포함할 수 있다.
길이조정부(800)는 구동모듈(700)의 양단에 마련되어 있는 제2 회전바퀴(771, 772)를 각각 감싸는 형태로 형성되어 있을 수 있고, 제2 회전바퀴(771, 772)의 회전에 의하여 길이가 조정될 수 있다.
길이조정부(800)는 나일론 또는 매쉬 등의 쉽게 끊어지지 않는 재질로 형성되되 끈 또는 줄과 같은 형상으로 형성된 것일 수 있어 제2 회전바퀴(771, 772)에 의하여 길이가 조정됨에 따라 끊어지지 않을 수 있다.
승강부(900)는 하단에는 알림부(600)가 안착 가능하도록 평평한 사각판의 형상으로 형성된 안착부(930)가 마련되어 있을 수 있고, 상단에는 안착부의 각 모서리에 마련되어 있을 수 있으며 원기둥의 형상으로 형성된 다수 개의 지지대(910)가 마련되어 있을 수 있다.
지지대(910)의 상단은 '┛' 또는 'ㄴ'의 형상으로 형성되어 있을 수 있어 길이조정부(800)와 연결되어 있을 수 있고, 길이조정부(800)의 길이 조정에 의하여 승강 또는 하강할 수 있다.
도 10 및 도 11은 본 발명의 또 다른 실시예에 따른 승강부의 지지대에 관한 구성이 도시된 도면이다.
도 10을 참조하면, 본 발명의 또 다른 실시예에 따른 지지대(910)는 상단지지바(9112), 상단연결부(9113), 중앙연결부(9114), 연결돌기(115), 중앙지지바(9116), 하단지지바(9118), 관통부(9117) 및 하단평면부(9119)를 포함할 수 있다.
상단지지바(9112)는 지지대(910)의 상단에 마련되어 있을 수 있고, 원기둥의 형상으로 형성되어 있을 수 있으며, 내부에는 길이조정부(800)가 고정 가능한 고정부(9111, 9111')가 상측 및 하측에 마련되어 있을 수 있다.
고정부(9111, 9111')는 상단지지바(9112)의 반대편 내측과 맞닿아 있을 정도로 길게 뻗어있어 길이조정부(800)가 감싸는 형태로 형성되어 있을 수도 있고, 나사 등과 같이 길이조정부(800)의 외측면에 고정 연결되는 연결 모듈로 형성되어 있을 수도 있다.
상단연결부(9113)는 상단지지바(9112)의 하단에 마련되어 있을 수 있으며, 상단지지바(9112)의 너비보다 작은 너비로 형성되어 있을 수 있고, 외측면을 따라 나선형의 홈이 형성되어 있을 수 있다.
중앙연결부(9114)는 상단지지바(9112)의 너비보다 작은 너비로 형성되되 상단연결부(9113)보다 넓은 너비로 형성되는 원기둥의 형태로 형성될 수 있고, 내측면을 따라 나선형의 돌기가 형성되어 있을 수 있어 상단연결부(9113)의 외측면과 맞닿아 회전하며 고정될 수 있다.
연결돌기(115)는 중앙연결부(9114)의 외측면에 수직방향으로 한쌍 또는 2개가 서로 이웃하게 돌출 형성될 수 있고, 원기둥, 사각기둥 또는 삼각기둥의 형태로 형성되어 있을 수 있고, 외부로부터의 압력에 의하여 중앙연결부(9114)의 내부로 이동할 수 있다.
더욱 구체적으로, 연결돌기(115)는 스위치와 같은 형태로 형성되어 있을 수 있어 외부의 압력에 의하여 중앙연결부(9114)의 내부로 삽입되었다가 외부의 압력이 멈추는 경우 중앙연결부(9114)의 외부로 돌출될 수 있다.
한편 본 발명의 또 다른 실시예에 따르면, 지지대(910)의 중앙에는 각 지지대(910)를 서로 연결해주는 연결밴드부(800)가 마련되어 있을 수 있다.
연결밴드부(800)는 안착부(930)의 상단면 각 모서리에 위치되어 있는 지지대(910)의 중앙에 연결 고정될 수 있고, 이에 따라 각 지지대(910)를 연결할 수 있는 정도의 길이로 형성될 수 있다.
연결밴드부(800)는 지지대(910)의 중앙에 위치되어 있는 중앙연결부(9114)는 감싸는 형태로 형성될 수 있으며 이에 따라 중앙연결부(9114)의 높이와 동일한 높이로 형성될 수 있다.
또한, 연결밴드부(800)는 중앙연결부(9114)의 외측면에 마련되어 있는 연결돌기(115)가 삽입 가능한 밴드홈(810)이 형성되어 있을 수 있다.
여기서, 연결돌기(115)는 연결밴드부(800)에 형성되어 있는 밴드홈(810)과 서로 결합 가능한 크기로 마련되어 있을 수 있다.
한편, 연결밴드부(800)는 적어도 한 쌍의 연결돌기(115)와 연결되어 있을 수 있고, 신축성이 우수한 고무재질 또는 철판이 사용될 수 있으나 필요에 따라 연결돌기(115)와 끼움 결합하는 체인 등으로 사용될 수 있음에 유의한다.
중앙지지바(9116)는 중앙연결부(9114)의 하단에 밀착 고정되어 마련되어 있을 수 있으며, 상단지지바(9112)와 동일한 너비로 형성되는 원기둥의 형태로 형성될 수 있고, 상단연결부(9113)가 중앙연결부(9114)의 내측면을 회전하여 고정함에 따라 중앙지지바(9116)의 내부로 관통할 수 있다.
하단지지바(9118)는 상단지지바(9112)와 동일한 너비로 형성되는 원기둥의 형태로 형성될 수 있고, 상단연결부(9113)가 중앙연결부(9114)의 내측면을 회전하여 하단 방향으로 이동함에 따라 내부로 관통할 수 있고, 이에 따라 상단연결부(9113)를 수용할 수 있는 관통부(9117)가 마련되어 있을 수 있다.
하단평면부(9119)는 하단지지바(9118)의 하단에 하단지지바(9118)와 밀착 고정되어 마련되어 있을 수 있고, 평평한 원판의 형태로 형성되어 있을 수 있어 승강부(900)의 안착부(930)에도 밀착 고정되어 있을 수 있다.
상술된 실시예들은 예시를 위한 것이며, 상술된 실시예들이 속하는 기술분야의 통상의 지식을 가진 자는 상술된 실시예들이 갖는 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 상술된 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 명세서를 통해 보호받고자 하는 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태를 포함하는 것으로 해석되어야 한다.
100: 사출기
200: 데이터 수집 모듈
400: 중앙 서버
600: 알람부

Claims (2)

  1. 인공신경망 기반 제조 품질 불량 예측 시스템에 있어서,
    사출기의 사출 성형 제품의 불량 사출을 예측하는 중앙서버;를 포함하고,
    일단에 케이블이 연결되어 있어 상기 사출기에 상기 케이블을 연결하고, 상기 케이블이 연결된 상기 사출기가 위치한 작업 공간의 온도, 습도와 같은 작업공간의 내부 환경 및 수집시간을 포함하는 설비데이터 및 상기 사출 성형 제품의 완성도와 같은 성형 제품의 데이터를 포함하는 사출데이터를 상기 중앙서버로 송신하는 데이터 수집 모듈; 및
    하단은 일정한 두께를 갖는 사각판의 형상으로 형성되고, 상단은 원기둥의 형상으로 형성되되 외측면을 따라 광확산부가 마련되어 있으며 내부에는 LED 기판이 마련되어 있는 알림부;를 포함하고,
    상기 중앙서버는,
    상기 데이터 수집 모듈로부터 제공받은 상기 설비데이터 및 사출데이터를 저장하여 DB화하는 데이터베이스부;
    상기 데이터베이스부에서 DB화된 데이터를 실시간으로 분석하고, 분석 결과 상기 사출 성형 제품의 품질에 불량이 발견되는 경우 품질 이상 신호를 생성하여 상기 사출기로 상기 품질 이상 신호를 송신하고, 불량이 발견된 상기 사출 성형 제품의 품질데이터를 분석하여 불량의 원인을 추적하고, 상기 불량의 원인에 대응하여 상기 사출 성형 제품의 개선이 가능한 관리방법을 수집하여 관리데이터로 저장하고, 상기 품질 이상신호, 추적한 상기 불량의 원인 및 상기 관리데이터를 학습한 딥러닝 모델을 구축하는 데이터분석부; 및
    상기 사출기의 모델과 위치한 작업 공간에 따라 각각 명칭을 부여하여 상기 사출기와 연결되어 있는 상기 데이터 수집 모듈의 등록 또는 제거 여부를 관리하고, 상기 데이터 수집 모듈에 장애가 발생하여 상기 사출기에 다른 데이터 수집 모듈로 교체가 이루어지는 경우, 상기 사출기의 명칭을 이용하여 교체된 다른 데이터 수집 모듈을 자동으로 등록하는 장치관리부;를 포함하고,
    상기 중앙서버는,
    상기 품질 이상신호, 추적한 상기 불량의 원인 및 상기 관리데이터를 학습한 상기 딥러닝 모델에 상기 데이터 수집 모듈로부터 제공받은 상기 설비데이터 및 사출데이터를 입력하여 관리데이터를 포함하는 분석데이터를 출력하고,
    상기 중앙서버는,
    상기 데이터 수집 모듈에서 제공받는 상기 설비데이터 또는 사출데이터를 이용하여 상기 사출기로부터 품질이 불량인 제품이 사출되는 것이 예측되는 경우, 불량 알림 신호를 상기 알림부로 송신하고,
    상기 알림부는,
    상기 중앙서버로부터 상기 불량 알림 신호가 수신되는 경우, LED 기판을 발광하고,
    상기 알림부는,
    외측면을 따라 마련되어 있는 상기 광확산부를 통하여 LED 기판으로부터 조사되는 빛을 사방으로 균일하게 조사하고,
    상기 인공신경망 기반 제조 품질 불량 예측 시스템은,
    '∏'와 같은 형상으로 형성되고, 하측 양단에는 가로 방향을 따라 홈이 형성되어 있되 상기 홈은 나란히 두 개의 층으로 형성되어 있는 레일부;
    모터와 같이 회전 구동이 가능한 제1 회전부를 포함하고, 상기 레일부의 하단에 나란히 두 개의 층으로 형성되어 있는 홈에 삽입 연결되며 내부에는 상기 제1 회전부에 의해 회전하는 제1 회전바퀴가 마련되어 있어 상기 레일부의 가로 방향으로 이동하는 돌기부를 포함하고, 타단에는 상기 제1 회전부가 마련되어 있으며 일단에는 상기 돌기부가 마련되어 있는 지지판을 포함하고, 모터와 같이 회전 구동이 가능한 제2 회전부를 포함하고, 상기 제2 회전부와 연결되어 있어 상기 제2 회전부에 의해 회전하는 제2 회전바퀴가 양단에 마련되어 있고, 양단에 마련되어 있는 상기 제2 회전바퀴를 연결해주는 연결부를 포함하는 구동모듈;
    상기 구동모듈의 양단에 마련되어 있는 상기 제2 회전바퀴를 각각 감싸는 형태로 형성되고, 상기 제2 회전바퀴의 회전에 의하여 길이가 조정되는 길이조정부; 및
    하단에 상기 알림부가 안착 가능하도록 평평한 사각판의 형상으로 형성된 안착부가 마련되고, 상단에 상기 안착부의 각 모서리에 마련되어 있으며 원기둥의 형상으로 형성된 다수 개의 지지대가 마련되어 있는 승강부;를 더 포함하고,
    상기 구동모듈은,
    상기 제2 회전바퀴의 하단에 마련되어 상기 제2 회전바퀴의 구동을 지지하고, 양단에는 상기 길이조정부보다 넓은 너비로 관통 가능한 홈이 형성되어 있어 상기 길이조정부가 관통하는 하단지지부;를 더 포함하고,
    상기 승강부는,
    상기 지지대의 상단이 '┛' 또는 'ㄴ'의 형상으로 형성되어 상기 길이조정부와 연결되어 있고, 상기 길이조정부의 길이 조정에 의하여 승강 또는 하강하는, 인공신경망 기반 제조 품질 불량 예측 시스템.
  2. 삭제
KR1020200139237A 2020-10-26 2020-10-26 인공신경망 기반 제조 품질 불량 예측 시스템 KR102219526B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200139237A KR102219526B1 (ko) 2020-10-26 2020-10-26 인공신경망 기반 제조 품질 불량 예측 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200139237A KR102219526B1 (ko) 2020-10-26 2020-10-26 인공신경망 기반 제조 품질 불량 예측 시스템

Publications (1)

Publication Number Publication Date
KR102219526B1 true KR102219526B1 (ko) 2021-02-24

Family

ID=74688763

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200139237A KR102219526B1 (ko) 2020-10-26 2020-10-26 인공신경망 기반 제조 품질 불량 예측 시스템

Country Status (1)

Country Link
KR (1) KR102219526B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150044036A (ko) * 2013-10-14 2015-04-24 엘에스엠트론 주식회사 사출성형공정 품질 모니터링 방법과 이를 적용한 모니터링 장치
KR20190101107A (ko) 2018-02-22 2019-08-30 (주)비에스피 환산된 명도값 분석을 통한 사출성형제품의 불량 여부 판단방법
KR20200071876A (ko) * 2018-12-06 2020-06-22 주식회사 씨에스앤씨 공정 중 생산품 불량 예측시스템 및 불량 예측을 위한 학습모델 생성방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150044036A (ko) * 2013-10-14 2015-04-24 엘에스엠트론 주식회사 사출성형공정 품질 모니터링 방법과 이를 적용한 모니터링 장치
KR20190101107A (ko) 2018-02-22 2019-08-30 (주)비에스피 환산된 명도값 분석을 통한 사출성형제품의 불량 여부 판단방법
KR20200071876A (ko) * 2018-12-06 2020-06-22 주식회사 씨에스앤씨 공정 중 생산품 불량 예측시스템 및 불량 예측을 위한 학습모델 생성방법

Similar Documents

Publication Publication Date Title
KR101804235B1 (ko) 산업 차량들을 위한 정보 시스템
JP6474532B2 (ja) 車体組立ラインの駆動部モニタリング方法及びその装置
CN106779406A (zh) 基于rfid的mes系统
CN102672932B (zh) 预防性维护系统
CN107203838A (zh) 设备管理系统
CN110751457A (zh) 生产线智能化综合信息管理系统
US6834257B2 (en) Method for providing diagnostic messages
CN109544084B (zh) 一种装配式建筑系统的应用方法、系统及终端设备
CN104700234B (zh) 一种光缆生产管理方法与系统
WO2018084180A1 (ja) 生産管理システム及び生産管理方法
CN102239453A (zh) 生产设备移动时的资源配置自动化系统及其方法
CN112116364A (zh) 一种生产制造追溯系统及平台
US20170146975A1 (en) Operator and manufacturing quality traceability
CN115049326A (zh) 一种生产管理系统及管理方法
Iglesias et al. Product line engineering of monitoring functionality in industrial cyber-physical systems: a domain analysis
US20200334632A1 (en) Rfid part tracking and information storing system and method of use
CN108389009B (zh) 一种门窗生产车间实况监控系统
KR102219526B1 (ko) 인공신경망 기반 제조 품질 불량 예측 시스템
CN105512728A (zh) 一种基于物联网瓶装液化气气瓶检测和监管装置和方法
CN116681329A (zh) 一种hdi电路板自动化生产用车间管理系统
KR101166101B1 (ko) 통계적 품질 검사 및 관리 시스템
CN105656990A (zh) 一种仪表的监控方法及系统
CN211589134U (zh) 动车组构架制造系统
CN112200476A (zh) 一种基于物联网的装配式建筑全生命周期质量监控平台及监控方法
CN110703705A (zh) 一种人-机-件状态信息交互及控制应用系统及其方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant