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
- 김재훈
- 발행연도
- 2023
- 저작권
- 아주대학교 논문은 저작권에 의해 보호받습니다.
이용수14
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
제조 기업들은 생산성 향상을 위해 공장 및 설비 투자 또는 공정 최적화와 같은 다양한 노력을 한다. 하지만 공정 최적화는 최적화와 적용 대상에 대한 전문 지식을 요구하기 때문에 높은 비용을 발생시킨다. 이러한 높은 비용으로 중소·중견기업들은 어려움을 겪는다. 따라서, 본 논문에서는 자동으로 제조 공정 데이터 추출, 최적화 그리고 검증까지 수행하는 소프트웨어 AI RPA를 제안한다. 데이터로부터 프로세스 마이닝을 통해 자동으로 공정 정보를 추출하고 시각화하여 사용자에게 인사이트를 제공한다. 또한 제조 산업에서 중요하며 많이 발생하는 생산 인력 및 시간과 설비 배치에 대한 최적화를 수행한다. 최적화는 각각 납기를 만족하며 노무비를 최저로 하는 생산 인력 정보와 제품의 이동거리를 최소로 하는 설비 배치를 찾는다. 최적화된 결과는 디지털 트윈을 통해 검증을 거쳐 신뢰성 있는 결과를 사용자에게 제안한다. AI RPA를 실제 중소 제조 기업을 대상으로 실험을 진행하였다. 그 결과, 실제 공장과 동일한 정보를 가지는 여러 프로세스를 확인하였고 생산 인력 및 시간 최적화는 모든 경우에 대한 납기 만족을 가능하게 하였다. 그리고 설비 배치 최적화는 기존의 설비 배치보다 이동거리(시간)을 약 54% 개선하였다.
목차
제1장 서 론 1제2장 관련 연구 3제1절 RPA(Robotic Process Automation) 3제2절 프로세스 마이닝(Process Mining) 4제3절 강화학습 71. 강화학습 정의 72. Proximal Policy Optimization(PPO) 8제4절 AutoML 9제3장 본론 10제1절 AI RPA 아키텍쳐 101. Data/Model 112. Analyzer 133. Builder 14제2절 디지털 트윈 검증 22제4장 실험 23제1절 실험 설계 및 데이터 셋 소개 23제2절 실험결과 251. Process Mining 252. 생산 인력 및 시간 최적화 273. 설비 배치 최적화 294. 생산 인력 및 시간과 설비 배치 복합 최적화 32제5장 결론 33참고문헌 34
최근 본 자료
댓글(0)
0