Earticle

초록

영어

In precision quality control of manufacturing processes, three-dimensional automatic measurement data provide essential quantitative information for assessing process conditions. However, research on real-time analysis of large-scale measurement data for early detection of process anomalies remains limited. This paper presents a machine learning based predictive model for process anomaly detection using key features extracted from three-dimensional automatic measurement data. In the data preprocessing stage, Control chart features based on Statistical Process Control (SPC) were extracted, followed by outlier removal and normalization. In the modeling stage, Random Forest and XGBoost algorithms were applied to classify process states into normal, warning, and anomalous categories. Model performance was evaluated using accuracy, precision, recall, and F1-score metrics. According to the experimental results, both the Random Forest and XGBoost models demonstrated high predictive performance, achieving an accuracy of about 99%. The proposed model demonstrates the feasibility of real-time process anomaly prediction using three-dimensional automatic measurement data and shows strong potential for integration into intelligent manufacturing systems.

한국어

제조 공정의 정밀 품질 관리에서 3차원 자동측정 데이터는 공정 상태를 정량적으로 분석할 수 있는 중요한 기반 데이터를 제공한다. 그러나 방대한 측정 데이터를 실시간으로 분석하여 공정 이상을 조기에 탐지하는 연구는 아직 제한적이다. 본 연구에서는 3차원 자동측정 데이터로부터 추출한 주요 특성을 활용하여 공정 이상을 예측하는 머신러닝 기반 모델을 구축하였다. 데이터 전처리 단계에서는 측정 데이터로부터 SPC 관리도 기반의 주요 특징을 추출하고 이상치 제거 및 정규화를 수행하였다. 모델링 단계에서는 랜덤 포레스트와 XGBoost알고리즘을 적용하여, 정상, 경고, 이상을 분류하였으며, 모델 성능은 Accuracy, Precision, Recall, F1-score로 평가하였다. 실험 결과, 랜덤 포레스트 모델과 XGBoost 모델 모두 정확도 약 99%의 높은 성능을 나타내었다. 제안한 두 모델은 3차원 자동측정 데이터를 활용한 공정 이상 예측 가능성을 보여주며, 실시간 제조지능화 시스템 구축에 효과적으로 적용될 수 있음을 나타낸다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련연구
1. 3차원 자동측정 데이터
2. 공정 이상 탐지
3. 머신러닝 기반 품질 예측 및 이상 감지
Ⅲ. 연구방법
1. 데이터 구성 및 전처리
2. 공정 이상 탐지를 위한 예측 모델 설계
Ⅳ. 연구결과
1. 실험 환경 및 데이터 구성
2. 모델간 성능 비교
Ⅴ. 결론
REFERENCES

키워드

3차원 자동 측정 데이터 공정 이상 탐지 머신러닝 Random Forest XGboost 제조 지능화 3D automatic measurement data Process anomaly detection Machine learning Random Forest XGBoost Intelligent manufacturing systems

저자

• 이그나쇼 에린데릭 [ Erin Derek Ignacio | 경남대학교 컴퓨터공학부 학생 ]
• 최정환 [ Jeong-Hwan Choe | 경남대학교 컴퓨터공학부 학생 ]
• 김재규 [ Jae-Kyu Kim | OPEN TS 대표 ]
• 서쌍희 [ Ssang-Hee Seo | 경남대학교 컴퓨터공학부 교수 ] Corresponding Author

참고문헌

발행기관

간행물