메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김상훈 (고려대학교) 홍현욱 (현대자동차) 정의현 (현대자동차) 김성범 (고려대학교)
저널정보
대한산업공학회 대한산업공학회지 대한산업공학회지 제47권 제2호
발행연도
2021.4
수록면
224 - 231 (8page)
DOI
10.7232/JKIIE.2021.47.2.224

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2021

차량설비의 알람 유형 분류를 위한 오픈셋 인식 심층 신경망
김상훈 ,  홍현욱 ,  정의현 외 1명 대한산업공학회지 2021.04 학술저널

2020

설비의 알람 유형 분류를 위한 오픈셋 인식 심층 신경망
김상훈 ,  김성범 대한산업공학회 추계학술대회 논문집 2020.11 학술대회자료

초록· 키워드

오류제보하기
It is important to predict critical alarms in the manufacturing process that can reduce the utilization rate of the production facility. In recent years, deep neural networks have been widely used for prediction of alarm types in the manufacturing processes. However, the existing deep neural network classifiers follow a closed-set assumption that all predictable categories should be learned in the training stage. For this reason, when an unknown alarm type comes into the classifier, it should be classified as one of the predefined alarm types. In the actual manufacturing processes, it is extremely difficult to collect all possible types of alarm data. Therefore, a model with open set recognition is required to identify unknown alarm types. In addition, because the alarm type data collected from production facilities occurs simultaneously, a multi-label classification model is necessary. In this study, we propose a multi-label open set recognition model combined with background data that can improve the ability to identify unknown alarm types. We demonstrated the usefulness and applicability of the proposed method by comparing it with existing open set classification methods using real process data obtained from an automobile industry.
#Automobile #Alarm Classification #Open-Set Recognition #Multi-Label Classification #Deep Neural Networks

목차

1. 서론
2. 관련 연구
3. 제안 방법론
4. 실험 결과
5. 결론
참고문헌

참고문헌 (19)

참고문헌 신청
Beebe, D., Ferrer, S., and Logerot, D. (2013), The Connection of Peak Alarm Rates to Plant Incidents and what you can do to Minimize, Process Safety Progress, 32(1), 72-77. google schola Bendale, A. and Boult, T. E. (2016), Towards Open Set Deep Networks, In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 1563-1572. google schola Bransby, M. L. and Jenkinson, J. (1998), The Management of Alarm Systems, Sudbury : HSE Books, 193-195. google schola Cai, S., Palazoglu, A., Zhang, L., and Hu, J. (2019), Process Alarm Prediction Using Deep Learning and Word Embedding Methods, ISA Transactions, 85, 274-283. google schola Dalvi, B., Cohen, W. W., and Callan, J. (2013), Exploratory Learning, In Joint European Conference on Machine Learning and Knowledge Discovery in Databases, Springer, Berlin, Heidelberg, 128-143. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Two Phase Multivariate to Multivariate Time Series Forecasting Using Self-attention Convolutional Autoencoder and Temporal Convolutional Network
Woo Young Hwang ,  Jun-Geol Baek 대한산업공학회지 2022 .08
멀티모달 스태킹 모델을 활용한 112 신고 건수 예측
김서연 ,  이민정 ,  이지윤 외 5명 대한산업공학회지 2021 .10
트랜스포머기반의 멀티모달 영상자막 생성요약
이민예 ,  한성원 대한산업공학회지 2021 .10
객체 수준 데이터 증강을 활용한 딥러닝 기반의 강판 표면 결함 검출
안인범 ,  김성범 대한산업공학회지 2022 .08
딥러닝 알고리즘을 활용한 디스플레이 정전척 FAB 공정의 불량 탐지 및 원인 분석
김서연 ,  이지윤 ,  목충협 외 7명 대한산업공학회지 2022 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-530-001637180