머신러닝을 이용한 수경성 개질유황 공정 최적 조건 예측 모델 연구
- 발행기관 강릉원주대학교 일반대학원
- 발행년도 2021
- 학위수여년월 2022. 2
- 학위명 석사
- 학과 및 전공 도움말 일반대학원 의료기기융복합학과
- 실제URI http://www.dcollection.net/handler/kangnung/000000011100
- UCI I804:42001-000000011100
- 본문언어 한국어
초록/요약 도움말
기존 수경성 개질유황 시멘트 콘크리트 제품 제조 중합과정의 기계 제어 및 로딩, 언로딩을 수작업으로 진행하는 생산방식으로 데이터의 의한 상황 파악이 불가능하다. 따라서 데이터에 기반을 둔 최적 운전조건의 부재로 인해 상이한 품질이 발생한다. 본 논문에서는 데이터의 기반을 둔 운전조건 도출을 위해 최적의 토크 값 예측 모델을 제작하였다. 최적의 토크 값 예측 모델 제작을 위하여 데이터 시각화 과정(LinePlot, Box Plot, Scatter Plot)을 진행해 이상 값 확인 및 변수 간에 상관관계를 확인하 였다. 이후 이상 값을 삭제하는 정제과정을 통하여 머신러닝 모델 제작 시 활용할 정제데이터를 생성하였다. 머신러닝(Linear Regression, XGBoost, LightGBM)을 이용하여수작업으로 진행되던 수경성 개질유황 시멘트 콘크리트 중합공정의 운전 조건을 데이터화 하여 일관된 품질의 중합반응물 생산할 수 있도록 최적의 토크 값 예측 시스템을 제작하였다. 머신러닝을 이용한 최적의 토크 값 예측 모델 제작 후 3가지모델(Linear Regression, XGBoost, LightGBM)의 상관관계 테스트(correlation_test)와 평균 제곱근 오차(Root Mean Square Error; RMSE) 테스트를 비교하여 해당 데이터에 적합한 모델을 확인하였다. 연구 결과 3가지 모델(Linear Regression, XGBoost, LightGBM) 중 LightGBM 모델의 상관관계 테스트(correlation_test)가 약 0.8, 평균 제곱근 오차(Root Mean Square Error; RMSE) 테스트가 약 2.9로 가장 좋은 결과 값을 나타냈다. 해당 예측 모델을 공정에 도입하여 Small Scale 실험을 진행해 작업 공수 절감, 생산성 향상, 공장 불량률 감소, 재료비 절감과 같이 좋은 결과를 나타냈다.
more초록/요약 도움말
It is a production method that manually controls, loads, and unloads the existing hydroponic modified sulfur cement concrete product manufacturing and polymerization process, making it impossible to grasp the situation by data. Therefore, different qualities are generated due to the absence of optimal operating conditions based on data in a manual production method. In this thesis, an optimal torque value prediction model is produced to derive optimal operating conditions based on data. For the production of predictive models, abnormal values are identified through the data visualization process and correlations between variables are checked. Subsequently, purified data to be used when manufacturing a machine learning model is generated through a refining process that deletes abnormal values. An optimal torque value prediction system is manufactured to produce a polymerization reactant of consistent quality by dataizing the operating conditions of the manually modified sulfur cement concrete polymerization process using machine learning. After making a model using machine learning techniques, compare the correlation_test with Root Mean Square Error; RMSE_test to find a suitable model for the data. Among the three models(Linear Regression, XGBoost, LightGBM), the correlation_test of the LightGBM model was about 0.8, and the Root Mean Square Error; RMSE_test was about 2.9, showing the best result. When the prediction model was introduced into the process and the small scale experiment was conducted, good results were obtained in many ways.
more목차 도움말
Ⅰ. 서론
1.1 스마트 팩토리의 필요성
1.2 연구 배경 및 필요성
Ⅱ. 본론
1. 이론적 배경
1.1 데이터 시각화
1.2 머신러닝(Machine Learning)
2. 연구 방법 및 결과
2.1 데이터 수집 및 가공
2.2 시각화 과정
2.3 머신러닝 모델링 과정
2.4 실험 방법 및 결과
Ⅲ. 결론
참고문헌
