KR20240043018A - 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템 - Google Patents

인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템 Download PDF

Info

Publication number
KR20240043018A
KR20240043018A KR1020220122021A KR20220122021A KR20240043018A KR 20240043018 A KR20240043018 A KR 20240043018A KR 1020220122021 A KR1020220122021 A KR 1020220122021A KR 20220122021 A KR20220122021 A KR 20220122021A KR 20240043018 A KR20240043018 A KR 20240043018A
Authority
KR
South Korea
Prior art keywords
artificial intelligence
data
manufacturing design
manufacturing
model
Prior art date
Application number
KR1020220122021A
Other languages
English (en)
Inventor
문준기
김종현
강준혁
정한
Original Assignee
프레임웍스 주식회사
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 프레임웍스 주식회사 filed Critical 프레임웍스 주식회사
Priority to KR1020220122021A priority Critical patent/KR20240043018A/ko
Publication of KR20240043018A publication Critical patent/KR20240043018A/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템이 제공된다. 상기 플랫폼 시스템은, 데이터베이스부, 인공지능 기반 모델링부, 및 클라우드 서버를 포함하는 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템에 있어서, 사용자가 입력한 주문 정보 데이터 및 정성적 설계 데이터를 저장하고, 상기 인공지능 기반 모델링부에서 웹 크롤링을 통해 검색한 모델 정보 데이터를 저장하는 데이터베이스부, 상기 주문 정보 데이터, 상기 정성적 설계 데이터, 및 상기 모델 정보 데이터를 이용하여 인공지능 기술 기반으로 분석하여 제조 설계 모델을 개발하고, 상기 제조 설계 모델을 기계학습하여 제조 작업을 위한 작업지시물을 생성하는 인공지능 기반 모델링부, 및 사용자 맞춤형 데이터와 인공지능 기반 제조 설계 모델을 저장 및 관리하는 클라우드 서버를 포함한다.

Description

인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템{The smart manufacturing design automation platform system based on artificial intelligence technology}
본 발명은 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템에 관한 것이다. 더욱 상세하게는, 소규모 다품종 소량 생산 업체의 주문 정보를 머신러닝 기반으로 학습하여 작업지시서 및 부품리스트(BOM; Bills of Material) 등을 자동으로 생성하는 제조 설계 자동 및 지능화 플랫폼 시스템에 관한 것이다.
전통적인 제조 산업은 대량 소비 시장을 겨냥하여 전용 자동화 설비를 갖춘 공장에서 대량 생산에 적합한 형태로 발전해 왔다. 그러나 소비자들의 소득 수준이 높아지고 기호가 다양해지면서 개인화된 맞춤형, 주문형 제품에 대한 롱 테일(Long tail) 시장이 부상하고 있다. 또한, 이를 기술적으로 지원해줄 수 있는 3D 프린터나 로봇과 같은 혁신형 디지털 제조설비 기술이 성숙되면서 고객 맞춤 제품 생산에 대한 요구가 증가하고 있다.
하지만, 개인화된 맞춤형, 주문형 제품을 소량으로 생산하는 경우 구조적으로 생산 비용이 높아지고 납기일이 많이 소요되는 등의 한계가 있다. 이에 따라, 제조 공장의 운영 효율성을 향상시키고, 지능형 비즈니스 프로세스를 위한 인공지능 기술의 도입에 대한 필요성이 증가하고 있다.
한국 공개특허 10-2017-0087584 (공개일자 2017년 7월 31일)
본 발명이 해결하고자 하는 기술적 과제는, 다품종 소량 생산을 위한 다양한 정형/비정형 제조 주문 사양 정보(도면정보, 주문사양서, 요구사양 정의서, 제작사양서 및 의뢰서 등)를 분석하고, 데이터셋으로 전처리하여 제조 설계 모델을 생성 및 데이터베이스 구축 후, 머신러닝 모델로 각종 제조 작업을 위한 작업지시물(제작 도면, 부품리스트, 작업지시서 등)을 자동으로 생성하는 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템을 제공하는 것이다.
다만, 본 발명이 해결하고자 하는 기술적 과제들은 상기 과제로 한정되는 것이 아니며, 본 발명의 기술적 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템은, 데이터베이스부, 인공지능 기반 모델링부, 및 클라우드 서버를 포함하는 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템에 있어서, 사용자가 입력한 주문 정보 데이터 및 정성적 설계 데이터를 저장하고, 상기 인공지능 기반 모델링부에서 웹 크롤링을 통해 검색한 모델 정보 데이터를 저장하는 데이터베이스부, 상기 주문 정보 데이터, 상기 정성적 설계 데이터, 및 상기 모델 정보 데이터를 이용하여 인공지능 기술 기반으로 분석하여 제조 설계 모델을 개발하고, 상기 제조 설계 모델을 기계학습하여 제조 작업을 위한 작업지시물을 생성하는 인공지능 기반 모델링부, 및 사용자 맞춤형 데이터와 인공지능 기반 제조 설계 모델을 저장 및 관리하는 클라우드 서버를 포함한다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명에 따르면, 스마트 제조 설계 자동화를 통해 제조 시설의 자산 활용도를 극대화하고, 다운타임을 최소화하며, 기계 효율과 제조 공장의 생산성을 향상시킬 수 있다.
또한, 본 발명에 따르면, 인공지능 기술을 이용하여 생산량 증가, 품질 개선, 오류 감소 등의 제조업 분야의 운영 효율성을 향상시킬 수 있다.
또한, 본 발명에 따르면, 스마트 제조 설계 자동화 플랫폼 시스템을 통해 수주/설계 데이터 관리의 편의성을 향상시키고, 작업지시물 생성을 자동화할 수 있다.
또한, 본 발명에 따르면, 제조업 분야에서 설계 실수로 인한 손실을 감소시키고, 납기준수가 미흡하여 발생되는 문제점을 해소할 수 있다.
다만, 본 발명의 효과는 상기 효과들로 한정되는 것이 아니며, 본 발명의 기술적 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있다.
도 1은 본 발명의 실시예에 따른 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템의 구성을 도시한 블록도이다.
도 2는 본 발명의 실시예에 따른 인공지능 기반 모델링부에서 작업지시물을 생성하는 과정을 도시한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예들을 보다 상세하게 설명하고자 한다. 도면 상의 동일한 구성요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
본 발명에 따른 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템은 사용자가 입력하는 주문 정보 데이터 및 정성적 설계 데이터에 기초하여, 웹 크롤링을 통해 모델 정보 데이터를 검색하며, 상기 데이터들을 인공지능 기반으로 분석하여 제조 설계 모델을 개발한다. 그리고, 상기 제조 설계 모델을 기계학습하여 제조 작업을 위한 작업지시물(제작 도면, 부품리스트, 작업지시서 등)을 최종적으로 생성하여 사용자에게 제공한다. 특히, 본 발명에 따른 플랫폼 시스템은 사용자 맞춤형 데이터와 인공지능 기반 제조 설계 모델을 저장 및 관리하면서 필요시에 사용자에게 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템의 구성을 도시한 블록도이다. 도 2는 본 발명의 실시예에 따른 인공지능 기반 모델링부에서 작업지시물을 생성하는 과정을 도시한 도면이다.
도 1 및 도 2를 참조하면, 본 발명에 따른 스마트 제조 설계 자동화 플랫폼 시스템은 데이터베이스부(100), 인공지능 기반 모델링부(200), 클라우드 서버(300)를 포함하여 구성된다. 본 발명에 따른 제조 설계 자동화 방법은 데이터베이스부(100), 인공지능 기반 모델링부(200), 및 클라우드 서버(300)의 유기적 연결관계에 의해 동작하는 알고리즘일 수 있다.
데이터베이스부(100)는 인공지능 기반 모델링부(200)에서 사용자 맞춤형 제품 제조를 위한 설계 모델 개발과 제조 작업을 위한 작업지시물(제작 도면, 부품리스트, 작업지시서 등)을 최종적으로 생성하는데 필요한 데이터가 저장된다.
구체적으로, 데이터베이스부(100)는 사용자가 입력한 주문 정보 데이터 및 정성적 설계 데이터를 저장하며, 웹 크롤링을 통해 검색한 모델 정보 데이터를 저장한다.
여기에서, 주문 정보 데이터란 사용자가 제조 설계를 요청한 요구 정보로서 CAD dwg 파일, 문서 파일, cvs 파일 등의 정형화된 정보와 수기로 작성된 주문서, 발주서, 수시 그림 등의 비정형화된 정보를 포함할 수 있다. 이때, 주문 정보 데이터는 다양한 종류의 제품군을 포함할 수 있으며, 예를 들어, 가구, 기계, 금속 제품, 자동차 부품, 공간 배치 설계 등 설계 도면이 필요한 모든 제품군이 해당될 수 있다.
정성적 설계 데이터란 제품의 형태, 외관, 배치 도면 등 비정형 데이터로서 제품의 설계를 위해 필요한 비구조화된 데이터이며, 미리 정의된 데이터 모델이 없거나 정의된 방식으로 정리되지 않은 정보들을 의미한다.
모델 정보 데이터란 사용자가 입력한 주문 정보 데이터 및 정성적 설계 데이터를 기초로 제조 설계를 위해 인공지능 기반 모델링부(200)에서 웹 크롤링을 통해 제품의 종류 및 모델 정보를 검색한 결과 데이터를 의미한다.
데이터베이스부(100)는 인공지능 기반 모델링부(200) 및 클라우드 서버(300)와 물리적으로 분리된 별개의 구성요소일 수 있고, 또는 데이터베이스부(100), 인공지능 기반 모델링부(200) 및 클라우드 서버(300)는 물리적으로 분리되지 않은 단일의 구성요소일 수도 있다.
데이터베이스부(100)는 내장 메모리를 포함할 수 있다. 보다 구체적으로, 데이터베이스부(100)는 휘발성 메모리(예를 들면, DRAM(dynamic RAM), SRAM(static RAM), SDRAM(synchronous dynamic RAM) 등) 또는 비휘발성 메모리(non-volatile Memory, 예를 들면, OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, NAND flash memory, NOR flash memory 등), SSD(Solid State Drive) 중 적어도 하나를 포함할 수 있다.
한편, 데이터베이스부(100)는 외장 메모리를 포함할 수도 있다. 보다 구체적으로, 데이터베이스부(100)는 flash drive, 예를 들면, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital) 또는 Memory Stick 등을 더 포함할 수도 있다.
인공지능 기반 모델링부(200)는 사용자가 입력한 데이터 및 데이터베이스부(100)에 저장된 데이터를 이용하여 인공지능 기반으로 분석하여 제조 설계 모델을 개발한다. 그리고, 인공지능 기반 모델링부(200)는 상기 제조 설계 모델을 기계학습(머신러닝)하여 제조 작업을 위한 작업지시물(제작 도면, 부품리스트, 작업지시서 등)을 최종적으로 생성하여 사용자에게 제공한다.
여기에서, 제조 설계 모델은 다양한 작업 형태를 주관적인 작업단위로 정의하여 최종적으로 작업지시물을 생성하기 위한 인공지능 기반의 학습 모델을 의미한다.
작업지시물은 제작 도면, 부품리스트(BOM), 작업지시서 등이 해당되며, 구체적으로 CAM 제조 설계 모델로부터 생성된 CNC용 G-CODE, 주문 도면 제조 설계 모델로부터 생성된 생산부품리스트(BOM), 주문 사양 제조 설계 모델로부터 생성된 작업 상세 도면 및 작업지시서 등이 해당될 수 있다.
작업지시물은 스마트 제조 설계 모델의 대상이 되는 제품군에 따라 다양한 비정형 형태를 가질 수 있으며, 사용자 편의성이 향상되도록 최종생성물이 개발될 수 있다.
인공지능 기반 모델링부(200)는 인공지능 기술을 기반으로 기계학습을 통하여 최종 작업지시물을 생성하기 위한 제조 설계 모델을 개발할 수 있다.
인공지능 기술은 인간 수준의 지능을 구현하는 컴퓨터 처리 기술로서, 기존 Rule 기반 스마트 기술과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 기술이다. 인공지능 기술은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 머신러닝 기반의 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계학습 및 기계학습을 활용한 요소 기술들로 구성될 수 있다. 기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥 러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성될 수 있다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함할 수 있다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 식별, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함할 수 있다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함할 수 있다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함할 수 있다.
인공지능 기반 모델링부(200)는 예를 들어, 전적으로 하드웨어이거나, 부분적으로 하드웨어이면서 부분적으로 소프트웨어일 수 있다. 즉, 인공지능 기반 모델링부(200)는 특정 형식 및 내용의 데이터를 전자통신 방식으로 주고받기 위한 장치 및 이에 관련된 소프트웨어를 통칭하는 개념으로 이해될 수 있다.
인공지능 기반 모델링부(200)가 하드웨어를 포함하는 경우, 인공지능 기반 모델링부(200)는 적어도 하나의 프로세서를 포함할 수 있다. 일 실시예에서 프로세서는 중앙처리장치(CPU), 그래픽 처리 장치(GPU) 및 텐서 처리 장치(TPU) 중에서 선택된 하나 이상을 포함할 수 있다. 다만, 이는 예시적인 것으로, 프로세서의 종류가 이에 제한되는 것은 아니다.
또한, 인공지능 기반 모델링부(200)는 머신러닝을 위한 프로세서를 포함할 수 있다. 구체적으로 인공지능 기반 모델링부(200)는 신경망의 학습을 위한 연산을 수행할 수 있다. 즉, 인공지능 기반 모델링부(200)는 머신러닝에서 학습을 위한 데이터의 처리, 입력 데이터에서의 피쳐(feature) 추출, 오차 계산, 역전파를 이용한 신경망의 가중치 업데이트 등 신경망 학습을 위한 연산을 수행할 수 있다.
인공지능 기반 모델링부(200)는 인공지능 기술을 기반으로 데이터 처리를 수행하는 바, 인공지능 신경망 모델을 포함할 수 있다. 인공지능 신경망 모델은 학습 데이터 세트를 기초로 기계학습을 수행할 수 있으며, 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(abstraction, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업)를 시도하는 기계학습 알고리즘의 집합인 딥러닝(deep learning)을 이용하여 구축된 분석 모델을 포함할 수도 있다.
인공지능 기반 모델링부(200)의 인공지능 신경망 모델은 시각 피질의 구조와 유사하게 뉴런 사이의 연결 패턴을 형성하는 컨볼루셔널(convolutional) 신경망, 시간에 따라 매순간 신경망을 쌓아올리는 재귀(recurrent) 신경망, 입력 집합에 대한 확률 분포를 학습할 수 있는 제한 볼츠만 머신(restricted Boltzmann machine) 등을 기반으로 할 수 있으나, 본 발명이 이에 제한되는 것은 아니다.
일 실시예에서 인공지능 신경망 모델은 적어도 하나의 딥 뉴럴 네트워크(DNN, Deep Neural Network)를 포함할 수 있다. 본 명세서에서 '신경망', '네트워크 함수' 및 '뉴럴 네트워크'는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 '노드'라 지칭될 수 있는 상호연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 '노드'는 '뉴런(Neuron)'으로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드를 포함하여 구성될 수 있다. 신경망들을 구성하는 노드들은 하나 이상의 '링크'에 의해 상호 연결될 수 있다.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력노드 및 출력노드의 관계를 형성할 수 있다. 입력노드 및 출력노드의 개념은 상대적인 것으로서 하나의 노드에 대하여 출력노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이 입력노드 대 출력노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력노드에 하나 이상의 출력노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력노드 및 출력노드 관계에서, 출력노드는 입력노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력노드와 출력노드를 상호 연결하는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력노드에 하나 이상의 입력노드가 각각의 링크에 의해 상호 연결된 경우, 출력노드는 상기 출력노드와 연결된 입력노드들에 입력된 값들 및 각각의 입력노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력노드 값을 결정할 수 있다.
전술한 바와 같이 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호연결되어 신경망 내에서 입력노드 및 출력노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.
신경망은 하나 이상의 노드들을 포함하여 구성될 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력노드로부터 거리들에 기초하여 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력노드로부터 거리는 최초 입력노드로부터 해당 노드까지 도달하기 위해 거쳐야하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 전술한 것과 상이한 방법으로 정의될 수도 있다. 예컨대, 노드들의 레이어는 최종 출력노드로부터의 거리에 의해 정의될 수도 있다.
최초 입력노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는 신경망 네트워크 내에서 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력노드를 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 출력노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 히든노드는 최초 입력노드 및 최후 출력노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다.
딥 뉴럴 네트워크는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(Latent Structrue)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지, 정답과 오답 간의 거리가 얼마인지 등)을 파악할 수 있다. 본 발명에 따른 일 실시예에서 딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크(CNN: Convolutional Neural Network), 리커런트 뉴럴 네트워크(RNN: Recurrent Neural Network), 제한 볼츠만 머신(RBM: Restricted Boltzmann Machine), 심층 신뢰 네트워크(DBN: Deep Belief Network), Q 네트워크, U 네트워크 및 샴 네트워크로 이루어진 군에서 선택된 하나 이상을 포함할 수 있다.
클라우드 서버(300)는 사용자 맞춤형 데이터와 인공지능 기반 제조 설계 모델을 저장 및 관리하면서 필요시에 이들을 사용자에게 제공할 수 있다.
클라우드 서버(300)는 사용자로부터 스마트 제조 설계 요청을 받으면 사용자가 입력한 정보로부터 기존의 머신러닝 학습 모델이 개발되어 있는지를 검색하고, 매칭되는 학습 모델이 존재하는 경우 이를 인공지능 기반 모델링부(200)로 전달하여 기계학습이 수행되도록 할 수 있다.
또한, 클라우드 서버(300)는 기존에 사용자가 입력한 데이터들을 저장 및 관리하여 사용자 맞춤형 데이터로 제공하고, 웹/앱 기반의 서비스 제공 또는 모듈 기반 서비스를 제공할 수 있다.
본 발명의 실시예에 적용되는 인공지능 기반의 스마트 제조 설계 자동화 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 및 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
또한, 본 발명의 실시예들은 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
전술된 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해되어야 하며, 본 발명의 범위는 전술된 상세한 설명보다는 후술될 청구범위에 의해 나타내어질 것이다. 그리고 이 청구범위의 의미 및 범위는 물론, 그 등가개념으로부터 도출되는 모든 변경 및 변형 가능한 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 데이터베이스부
200: 인공지능 기반 모델링부
300: 클라우드 서버

Claims (1)

  1. 데이터베이스부, 인공지능 기반 모델링부, 및 클라우드 서버를 포함하는 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템에 있어서,
    사용자가 입력한 주문 정보 데이터 및 정성적 설계 데이터를 저장하고, 상기 인공지능 기반 모델링부에서 웹 크롤링을 통해 검색한 모델 정보 데이터를 저장하는 데이터베이스부;
    상기 주문 정보 데이터, 상기 정성적 설계 데이터, 및 상기 모델 정보 데이터를 이용하여 인공지능 기술 기반으로 분석하여 제조 설계 모델을 개발하고, 상기 제조 설계 모델을 기계학습하여 제조 작업을 위한 작업지시물을 생성하는 인공지능 기반 모델링부; 및
    사용자 맞춤형 데이터와 인공지능 기반 제조 설계 모델을 저장 및 관리하는 클라우드 서버;를 포함하는, 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템.
KR1020220122021A 2022-09-26 2022-09-26 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템 KR20240043018A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220122021A KR20240043018A (ko) 2022-09-26 2022-09-26 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220122021A KR20240043018A (ko) 2022-09-26 2022-09-26 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템

Publications (1)

Publication Number Publication Date
KR20240043018A true KR20240043018A (ko) 2024-04-02

Family

ID=90714916

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220122021A KR20240043018A (ko) 2022-09-26 2022-09-26 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템

Country Status (1)

Country Link
KR (1) KR20240043018A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170087584A (ko) 2016-01-20 2017-07-31 한국전자통신연구원 고객 맞춤 제품 생산을 위한 스마트 제조 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170087584A (ko) 2016-01-20 2017-07-31 한국전자통신연구원 고객 맞춤 제품 생산을 위한 스마트 제조 시스템 및 방법

Similar Documents

Publication Publication Date Title
Akerkar Artificial intelligence for business
Lu et al. Brain intelligence: go beyond artificial intelligence
Chawla et al. Demand forecasting using artificial neural networks—a case study of American retail corporation
Singh et al. Deep learning architecture for high-level feature generation using stacked auto encoder for business intelligence
Jadon et al. Hands-on one-shot learning with python: Learn to implement fast and accurate deep learning models with fewer training samples using pytorch
KR102601446B1 (ko) 인공지능 모델을 활용한 인플루언서 기반 판매 제품매칭 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102552856B1 (ko) 커머스 연계 콘텐츠 제공 플랫폼 서비스를 위한 키워드 추출 및 콘텐츠 템플릿 생성 자동화 방법, 장치 및 시스템
KR102586799B1 (ko) 인공지능 모델을 활용한 웹소설 기반 웹북 생성 자동화 처리 방법, 장치 및 시스템
Xia An overview of deep learning
KR20240043018A (ko) 인공지능 기반 스마트 제조 설계 자동화 플랫폼 시스템
KR20240044187A (ko) 인공지능 기반 스마트 제조 설계 자동화 방법
KR20240044216A (ko) 인공지능 기반 가구 제품 제조 설계 자동화 플랫폼 시스템
Islam Unveiling the Power of Deep Learning: Insights into Advanced Neural n Network Architectures
Ramos Real-life and business applications of neural networks
Tandon et al. Introduction to machine learning
Hernández et al. Differentiable programming: Generalization, characterization and limitations of deep learning
Zgurovsky et al. Formation of Hybrid Artificial Neural Networks Topologies
Trivedi Machine learning fundamental concepts
Somogyi et al. Machine Learning Algorithms
Stufano Esplorare le Capacità dei Large Language Models nell'Ottimizzare le Operazioni della Supply Chain
Pedroza et al. Machine reading comprehension (lstm) review (state of art)
Zeng et al. Understanding AI Cognition: A Neural Module for Inference Inspired by Human Memory Mechanisms
Kordon et al. Artificial Intelligence-Based Data Science Solutions
Algabri Artificial Intelligence And ChatGPT
KR102636797B1 (ko) 인공지능 모델을 활용하여 해시태그 기반 노트 주제 및 노트 콘텐츠 분석을 통해 사용자 심리 상태를 분석하고 이에 대한 솔루션 제공 방법, 장치 및 시스템