[학회 후기]

6월 1일~2일에 진행된 2023년 대한산업공학회·한국경영과학회 춘계공동학술대회에 참가하였다. 이번 학회는 제주도에서 개최되었는데 항상 제주도는 여행으로만 갔었으나 이렇게 학회로 제주도를 방문하니 새로운 기분이 들면서 좋은 느낌을 가지고 학회에 참여할 수 있었다. 작년 추계때 인천대학교에서 발표를 했던 경험을 살려서 긴장하지 않고 편하게 발표를 할 수 있을것이라고 생각하였으나 발표 장소에 도착하자마자 전문적인 프레젠테이션 장소를 확인하고 작년 추계때보다 더 많은 청중 인원들을 보자마자 긴장이 되었다. 하지만 발표를 하는 동안 열심히 들어주시고 아이컨택을 해주시는 청중분들 덕분에 무사히 발표를 잘 마칠 수 있었다. 이번 학회에서는 산업인공지능 분야쪽에 비슷한 관심사의 연구들을 찾아다니면서 어떤 연구를 하고 있고 어떤 주제를 다루는지를 들으면서 내가 하고 있는 연구의 방향성들을 보완할 수 있었던 좋은 계기였다.

[발표후기]

이번 학회에서는 “상관관계 분석 과 데이터 증강을 통한 반도체 설비 고장 감지 ”이라는 주제로 발표하였다. 제조 산업에서 설비의 고장은 필연적으로 발생하게 됩니다. 그러므로 생산성을 향상시키기 위해서는 설비의 고장을 빠르게 파악하고 원인을 판단하여 설비 이상 조치 시간을 최소화 해야할 필요가 있습니다. 하지만, 반도체 설비는 여러 공정요소들이 복합적으로 작용하고, 설비의 물리적인 구조들이 관계성을 가지고 작동 되고 있어 현재 사용되는 단변량 차트만으로 설비의 이상을 탐지하고 원인을 판단하기에는 다소 어려움이 존재합니다. 그래서 이를 해결하기 위해서 데이터들간의 관계성을 반영하는 signature matrix방법을 적용하여 이상 탐지를 실시합니다. 이 후 확실하게 비정상이라고 판단된 구간의 잔차행렬을 입력으로 CNN을 통해 교체부품 Classification을 실시하여 고장의 원인은 어떤 부품인지를 예측하여 설비 엔지니어에게 설명력을 부여하고자 합니다. 하지만 부품 별 비정상 구간이 모두 동일하지 않고 불균형하기 때문에 Classification의 성능을 저하 시킬 수 있습니다. 데이터 증강을 포함하여 잔차행렬 데이터를 증강하여 Classification의 정확도를 상승시키고자 합니다.

질문 1) Time window 내에 이상이 적게 포함된 것과 많이 포함된 구간의 잔차행렬을 다 이용하는 건가요?

답변 1) 이상 탐지를 실시하는 이유 중에 하나가 확실하게 이상으로 판단한 잔차행렬을 찾고자 하는 것입니다.

질문 2) 이상 탐지로 Autoencoder를 사용하였는데 threshold는 어떻게 잡았나요?

답변 2) 정상데이터로만 구성된 validation data를 이용하였고, validation data로 측정된 anomaly score의 평균을 threshold로 잡았습니다.

[청취후기]

1. 산업현장 내 근로자 안전 이상탐지를 위한 다중채널 시그널 기반 그래프 신경망(이유진,이재원,정종민,김영기,이상민 - 광운대학교 인공지능응용학과)

산업현장 내 근로자 안전사고가 현재도 끊임없이 발생하고 있지만 현재까지 산업현장 내 적합한 안전관리 기술 및 체계 부족한 상황입니다. 근로자의 위험한 상황을 모니터링해 사고를 사전에 방지하는 프레임워크 필요합니다. 안전화의 센서 데이터를 통합하고 알림, 보고, 공유할 수 있도록 근로자의 개별 상태 모니터링 하는 프레임워크를 제안하였습니다. 근로자의 상태를 모니터링하면서 넘어지거나 미끄러지는 등의 안전화 센서에서 이상점을 발견하면 관리자에게 알람을 전달하고 안전사고에 대응하는 프레임워크 입니다. 안전화의 센서데이터를 timewindow로 embedding을 실시하고 graph neural network(GNN)로 변환합니다. 이 후 graph attention weight을 활용하여 예측을 실시하여 이상을 판단합니다. 산업현장 안전사고를 예측하는 기술들로는 대부분 CCTV를 통해 인간의 동작을 파악하는 computer vision기반이 많았으나 안전화의 센서 데이터를 활용하여 시계열데이터로 안전사고를 판단할 수 있다는 부분이 새롭게 와닿았습니다.

2. 실시간 불량 탐지를 통한 공정 이상 상태 파악(김연수, 임용준, Thi Thu Huyen-Vu, 장태우 - 경기대학교 산업시스템공학과)

플라스틱 제품을 생산하는 실제 중소기업의 인쇄 공정을 대상으로 실험되었습니다. 제품 생산 후 불량을 판단할 때 현재는 하나씩 육안으로 검사하고 있으며, 이는 작업자 경험에 의존한 방법으로 제품 품질이 불안정 할 수 있다는 문제점이 있습니다. 이를 실시간으로 이상탐지를 실시하여 제품의 불량을 잡아내고자 합니다. 데이터를 수집하기 위해서 웹캠을 활용하여 OK이미지 100개, NG이미지 100개를 촬영하였고 labeling 과정을 거쳐 ROI(resion of interest)의 좌표를 획득하였습니다. 실시간 불량 탐지를 위해 제품을 빠르게 감지할 수 있는 YOLOv5s 모델을 선정하였고, 높은 성능을 보여주었습니다. 작업자 경험에 의존한 검사 방법을 개선하여 품질 Loss 저하와 생산성 향상에 기여를 한 연구입니다.