메뉴 건너뛰기
Library Notice
Institutional Access
If you certify, you can access the articles for free.
Check out your institutions.
ex)Hankuk University, Nuri Motors
Log in Register Help KOR
Subject

설비 고장 진단을 위한 신호 데이터의 대조 학습 기반 과대표집 알고리즘
Recommendations
Search
Questions

논문 기본 정보

Type
Proceeding
Author
신승호 (인천대학교) 유재홍 (인천대학교)
Journal
Korean Institute Of Industrial Engineers 대한산업공학회 추계학술대회 논문집 2023년 대한산업공학회 추계학술대회
Published
2023.11
Pages
2,061 - 2,090 (30page)

Usage

cover
📌
Topic
📖
Background
🔬
Method
🏆
Result
설비 고장 진단을 위한 신호 데이터의 대조 학습 기반 과대표집 알고리즘
Ask AI
Recommendations
Search
Questions

Abstract· Keywords

Report Errors
설비의 효과적인 유지보수 정책을 수립하기 위해서 설비 상태를 정확히 진단하는 기술이 필수적이며, 이를 위해 설비의 작동 과정에서 수집되는 신호 데이터를 활용하는 연구가 활발히 진행되고 있다. 설비의 정확한 진단을 위해서는 정상 및 다양한 고장 유형에 대한 설비 상태 클래스에 포함된 신호 데이터 개수의 균형이 유지되어야 한다. 하지만, 일반적으로는 설비의 고장이 정상 작동에 비해 드물게 발생하기 때문에 설비 상태 클래스 간 분포가 불균형하며, 이에 따라 설비 고장진단 성능이 저하되는 문제가 발생한다. 본 연구에서는 대조 학습 기반의 과대표집 알고리즘을 제안함으로써 설비 고장 클래스 불균형 문제를 해결하여 설비의 고장 진단 성능을 향상시키고자 한다. 대표적인 벤치마크 신호 데이터와 베어링 시뮬레이터에서 수집한 실제 신호 데이터에 대해 제안하는 과대표집 알고리즘을 적용한 결과, 제안 기법이 신호 데이터의 클래스 불균형 문제를 효과적으로 해결함을 입증할 수 있었다.

Contents

초록
1. 서론
2. 제안 방법론: 대조 학습 기반 SMOTE 알고리즘
4. 실험 연구
5. 결론
참고문헌

References (0)

Add References

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

Frequently Viewed Together

Recently viewed articles

Comments(0)

0

Write first comments.

UCI(KEPA) : I410-151-24-02-088369960