지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 백준걸
- 발행연도
- 2018
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (3)
2018
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Abnormality detection and causal variables isolation are very important in the manufacturing process. However traditional multivariate statistical process control charts should assume the distribution and are challenged by high dimensional and non-linear data. To overcome these limitations, random forest based real-time contrast(RTC) control chart that transforms test procedures to sequential classifications was proposed. Although RTC control chart has the advantage to isolate causal variables, monitoring statistics of the RTC control chart is the probability limited between 0.5 and 1; this could deteriorate abnormality detection ability. Features that use the sliding window can also reduce the sensitivity of detecting process changes. Therefore, we propose improved RTC control chart using random forest based multi-class classifier. This improved RTC control chart has the wider range of monitoring statistics and can detect process changes more quickly. In addition, the causal variable can be detected in the same way as the existing RTC control chart.
목차
1. 서론 12. RTC 관리도(Real-time Contrast Control Chart) 52.1 RTC 관리도 방법 62.2 관리한계선(Control Limit) 72.3 렌덤포레스트 분류기 83. 멀티 클래스 랜덤포레스트 RTC 관리도 113.1 멀티 클래스 분류기를 이용한 RTC 관리 133.2 새로운 클래스 추출 방법 164. 실험계획 및 결과 224.1 새로운 클래스의 크기 244.2 데이터 차원의 영향 254.3 비정상 상수(λ)의 영향 274.4 비정규성 데이터 284.5 윈도우의 크기 304.6 간헐적 평균 변화가 발생하는 비정상 상태 325.토의 336.결론 및 추후 연구 34참고문헌 37
최근 본 자료
댓글(0)
0