News / 인터엑스의 새로운 소식을 전해 드립니다.
[인터엑스 소식] 인터엑스, 사출성형·불량예측 관련 SCI 저널 논문 개재

기계 학습 알고리즘을 활용한 품질 예측 통해 사출 성형 산업의 지속 가능성 향상


인터엑스(INTERX)는 지난 4월 7일 SCI 저널에 "사출 성형 품질 예측에 머신 러닝 기술 적용 : 지속 가능한 제조 산업에 대한 시사점"이라는 논문을 개제했습니다. 이 논문은 AI 연구소에서 1분기 때 작성되었던 논문으로써 사출 성형 , 품질 예측 , 회귀 , 의사 결정 트리 , 오토 인코더 , 기계 학습 , 기능 중요성 , 특성 중요성을 키워드로 가지고 있습니다.


Sustainability 저널은 현재 IF지수 2.8로 SSCI-지속가능한 과학 및 공학 카테고리 상위 3%에 해당되는 저널입니다. 인터엑스(INTERX)는 컨셉, 기업 데이터, 분석 방법론, 현장적용에 관한 논문을 개제했으며 논문에 대한 정보는 다음과 같습니다.

 


"Application of Machine Learning Techniques in Injection Molding Quality Prediction: Implications on Sustainable Manufacturing Industry"

(한국어로 번역 시) "사출 성형 품질 예측에 머신 러닝 기술 적용 : 지속 가능한 제조 산업에 대한 시사점"


저자 : 유니스트 정하일, 인터엑스 CEO 박정윤 외 2인

 

SCI 저널 논문 개재.png



다음은 "Application of Machine Learning Techniques in Injection Molding Quality Prediction: Implications on Sustainable Manufacturing Industry" 의 일부분입니다.

 

Abstract

With sustainable growth highlighted as a key to success in Industry 4.0, manufacturing companies attempt to optimize production efficiency. In this study, we investigated whether machine learning has explanatory power for quality prediction problems in the injection molding industry. One concern in the injection molding industry is how to predict, and what affects, the quality of the molding products. While this is a large concern, prior studies have not yet examined such issues especially using machine learning techniques.

The objective of this article, therefore, is to utilize several machine learning algorithms to test and compare their performances in quality prediction. Using several machine learning algorithms such as tree-based algorithms, regression-based algorithms, and autoencoder, we confirmed that machine learning models capture the complex relationship and that autoencoder outperforms comparing accuracy, precision, recall, and F1-score. Feature importance tests also revealed that temperature and time are influential factors that affect the quality. These findings have strong implications for enhancing sustainability in the injection molding industry.

Sustainable management in Industry 4.0 requires adapting artificial intelligence techniques. In this manner, this article may be helpful for businesses that are considering the significance of machine learning algorithms in their manufacturing processes.

 

✔ Keywords: injection molding, quality prediction, regression, decision tree, autoencoder, machine learning, feature importance, characteristics importance

 

요약

Industry 4.0의 성공을 위한 핵심 요소로서 지속 가능한 성장이 강조된 가운데, 제조 회사들은 생산 효율을 최적화하기 위한 노력을 하고 있습니다. 인터엑스는 이 연구에서 사출 성형 산업의 품질 예측 문제에 대한 머신러닝의 설명 능력이 있는지 연구를 진행했습니다. 현재 사출 성형 업계의 가장 큰 이슈는 성형 제품의 품질을 예측하는 방법과 영향을 미치는 요소라고 할 수 있습니다. 이 문제는 큰 이슈임에도 불구하고 과거 연구들에서는 머신 러닝 기술을 사용하여 문제를 아직 조사하지 않았습니다.

따라서 이 연구의 목적은 여러 머신러닝 알고리즘을 활용하여 품질 예측에서 성능을 테스트하고 비교하는 것입니다. 트리 기반 알고리즘, 회귀 기반 알고리즘 및 오토 인코더와 같은 머신러닝 알고리즘을 사용하여 우리는 머신러닝 모델이 복잡한 관계를 포착하고 오토 인코더가 정확도, 정밀도, 재현율 및 F1 점수 비교에서 우수한 성능을 발휘하는 것을 확인할 수 있었습니다. 또한 기능 중요도 테스트에서도 온도와 시간이 품질에 영향을 미치는 영향 요소라는 사실이 밝혀졌습니다. 이러한 발견은 사출 성형 산업의 지속 가능성을 향상시키는 데 큰 영향을 미칩니다.

Industry 4.0의 지속 가능한 관리에는 인공 지능 기술을 적용해야합니다. 이러한 방식으로 이 논문은 제조 프로세스에서 머신러닝 알고리즘의 중요성을 고려하는 기업에 도움이 될 수 있습니다.
 

✔ Keywords: 사출 성형 , 품질 예측 , 회귀 , 의사 결정 트리 , 오토 인코더 , 기계 학습 , 기능 중요성 , 특성 중요성


▶원문 보기


전체 내용은 MDPI SCI 저널에서 확인하실 수 있습니다.

[기사원문: https://www.mdpi.com/2071-1050/13/8/4120/htm]

첨부파일 다운로드: sustainability-13-04120.pdf

Contact us
    • 문의분야 *

개인 정보 보호 정책
최종 수정 날짜: 2020년 2월 6일
① 개인정보 수집이용에 대한 동의
고객님의 소중한 개인정보는 다음과 같은 정책에 따라 수집 및 이용됩니다.
인터엑스에서는 해당 목적에 연관되는 개인정보만을 수집하며, 수집된 정보를 투명하고 안전하게 보호 관리할 것을 약속하며 이에 개인정보 수집및 이용에 대한 동의를 구합니다.

② 개인정보의 수집·이용 목적
고객님의 문의에 대한 정보가 보다 정확한 답변을 위해 수집됩니다.

③ 수집항목
필수항목: 성함, 소속, 연락처, 이메일 주소, 문의분야, 문의사항

④ 보유이용기간
원칙적으로, 개인정보 수집 및 이용목적이 달성된 후에는 해당 정보를 지체 없이 파기합니다.

문의하기

Top