간행물

한국품질경영학회> 한국품질경영학회 춘계학술발표논문집

한국품질경영학회 춘계학술발표논문집 update

  • : 한국품질경영학회
  • : 사회과학분야  >  경영학
  • :
  • :
  • : 학술발표집
  • : 연간
  • :
  • :
  • :

수록정보
수록범위 : 1999권0호(1999)~2020권0호(2020) |수록논문 수 : 1,031
한국품질경영학회 춘계학술발표논문집
2020권0호(2020년 07월) 수록논문
최근 권호 논문
| | | |

1적은 수량, 불균형 문제를 가진 학습데이터를 위한 합성곱 신경망 기반의 웨이퍼 맵 불량패턴 분류

저자 : 김은수 , 최승현 , 이동희 , 배영목 , 황찬호 , 오영찬 , 김광재

발행기관 : 한국품질경영학회 간행물 : 한국품질경영학회 춘계학술발표논문집 2020권 0호 발행 연도 : 2020 페이지 : pp. 15-15 (1 pages)

다운로드

(기관인증 필요)

초록보기

반도체 웨이퍼 맵은 반도체 제조 공정 중, wafer chip의 Probe test로 얻은 결과를 나타낸 것이다. 웨이퍼 맵 상에서 불량 칩의 군집 형태는 원, 스크래치, 링 등 다양한 패턴을 보이는데, 특정 불량 패턴에 따라 불량 원인을 파악하여 반도체 공정 개선이 가능하기 때문에 불량 패턴을 정확히 분류하는 것이 중요하다.
분류 대상이 되는 실험 데이터는 국내 반도체 제조회사의 웨이퍼 맵이며, 분류된 웨이퍼 맵의 수가 많지 않고 불량패턴의 유무에 따른 불균형과, 불량 패턴 내 불균형 문제가 존재한다. 본 연구에서 사용하는 머신러닝 알고리즘은 일반적으로 각 클래스 별 데이터 분포가 비슷하다는 가정 하에 뛰어난 성능을 보이지만 현실은 일부 데이터에 편향되어 있고 오히려 소수에 해당되는 클래스가 데이터 마이닝 관점에서 더 중요한 경우가 많다. 이러한 불균형 문제로 알고리즘 학습에 어려움이 존재한다.
이를 위해 본 연구는 소량의 정확히 분류된 웨이퍼 맵을 클래스가 변하지 않도록 상하좌우 반전 및 회전만을 랜덤 적용하여 데이터 증식을 수행한다. 증식된 데이터를 합성곱 신경망의 한 종류인 ResNet을 사용하여 학습하고 패턴 분류 시행 및 분류 모델의 정확성을 검증한다.

2다단계 제조 공정에서의 시간에 따른 설비 성능 변화를 고려한 핵심 공정 경로 도출 방법

저자 : 이창호 , 최승현 , 이동희 , 김광재

발행기관 : 한국품질경영학회 간행물 : 한국품질경영학회 춘계학술발표논문집 2020권 0호 발행 연도 : 2020 페이지 : pp. 16-16 (1 pages)

다운로드

(기관인증 필요)

초록보기

일반적인 다단계 제조 공정(Multi-stage manufacturing process)에서는 각 공정 단계마다 동일한 기능을 수행하는 여러 대의 설비가 배치되어 있다. 이러한 설비들은 공정이 운영됨에 따라 노후화가 발생하게 되고, 그로 인해 점차 성능에 변화가 발생한다. 다단계 제조 공정에서 제품을 생산할 때, 이러한 현상으로 인해 제품들은 각 공정 단계에서 작업에 사용된 설비에 따라 품질에 차이가 발생할 수 있다. 각 제품들이 개별 공정 단계를 거치며 작업을 수행한 설비들의 조합을 공정 경로라고 칭한다. 각 공정에 여러 대의 설비가 배치되어 있어, 다양한 공정 경로가 생성 가능하다. 수많은 공정 경로 중에서 사용자가 정의한 품질 수준 이상의 제품을 생산하는 공정 경로를 핵심 공정 경로(Goldenpaths)라 칭한다.
본 연구에서는 시간에 따라 설비의 성능이 변화하는 상황에서 핵심 공정 경로들을 도출하는 방법을 제안하고자 한다. 시간에 따른 설비의 성능 변화를 반영하기 위해 설비 건강도 지표(Machine Health Indicator)의 개념을 활용한다. 설비 건강도 지표는 0(고장)에서 1(정상)사이의 범위를 갖는 실수값으로, 해당 시점의 설비 성능을 대변하게 된다. 본 연구는 현재 시점까지의 설비의 성능 변화 정도를 분석하여 미래의 설비 사용에 따른 성능 변화를 고려한 핵심공정 경로를 도출하는 방법을 제안하고, 시뮬레이션 데이터를 통해 제안된 방법의 타당성을 검토한다.

3PRIM과 EWMA를 이용한 설비 열화가 반영된 대량 공정 데이터에서의 공정 최적화

저자 : 김소희 , 이동희

발행기관 : 한국품질경영학회 간행물 : 한국품질경영학회 춘계학술발표논문집 2020권 0호 발행 연도 : 2020 페이지 : pp. 17-17 (1 pages)

다운로드

(기관인증 필요)

초록보기

최근 네트워크 센서와 IoT(Internet of Things)와 같은 정보 기술의 발전으로 인해 많은 제조 회사가 제조 라인에서 대량의 공정 운영 데이터를 얻고 있다. 이러한 공정 운영 데이터는 실시간 또는 주기적으로 수집되는 한편, 제조라인의 설비는 여러 가지 요인으로 인해 시간의 흐름에 따라 성능이 지속적으로 붕괴될 수 있다. 따라서 대량의 공정운영 데이터는 시계열 데이터로 간주할 수 있다. 본 논문에서는 대량의 시계열 데이터를 다루는 공정 최적화를 위한 새로운 데이터 마이닝 접근법을 제안한다. 제안된 방법은 공정 최적화를 위한 대표적인 데이터 마이닝 접근법인 인내심 규칙 추론(Patient Rule Induction Method)을 사용한다. PRIM은 전체 입력 공간에서 반응 변수의 평균이 최대화되는 작은 부분 영역을 찾는 알고리즘이다. 기존의 PRIM은 작은 부분 영역을 찾는 과정에서 목적함수로써 반응 변수의 평균을 사용하며, 이는 모든 누적 데이터, 즉 오래된 데이터와 최신의 데이터가 모두 동일한 중요도를 가진다고 가정함을 의미한다. 그러나 시간의 흐름을 가지고 있는 시계열 데이터를 가정하면 오래된 데이터보다 최신의 데이터가 더 중요하게 된다.
따라서 본 논문은 PRIM 알고리즘의 목적함수로써 반응 변수의 단순 평균이 아니라 시계열 분석 방법 중 하나인 지수가중이동평균(Exponential Weighted Moving Average)를 사용할 것을 제안한다. 이를 통해 오래된 데이터보다 최신의 데이터에 대해 더 높은 중요도를 적용할 수 있으므로 시간의 흐름을 고려한 공정 최적화가 가능하다. 제안된EWMA-PRIM과 기존 PRIM의 비교 연구는 사례 연구를 통해 수행된다.

4반도체 제조 공정 내 웨이퍼 결함 패턴 관련 핵심 설비 탐색

저자 : 최승현 , 김은수 , 배영목 , 황찬호 , 오영찬 , 이동희 , 김광재

발행기관 : 한국품질경영학회 간행물 : 한국품질경영학회 춘계학술발표논문집 2020권 0호 발행 연도 : 2020 페이지 : pp. 18-18 (1 pages)

다운로드

(기관인증 필요)

초록보기

반도체 생산 공정은 다단계 제조 공정으로, 다수의 공정 단계로 구성되어 있다. 각 공정 단계는 동일한 기능을 수행하는 다수의 설비로 구성되어 있으며, 설비 사이에 존재하는 성능 차이는 완제품의 품질에 영향을 준다. 완제품의 품질은 웨이퍼를 구성하는 칩들의 결함 여부를 기록한 데이터인 웨이퍼 맵 (wafer map) 을 통해 측정되며, 결함 칩의군집 형태에 따라 다양한 웨이퍼 결함 패턴이 발생한다. 웨이퍼 결함 패턴을 기반으로 공정 이상을 유발하는 공정단계를 유추하는 연구들은 있으나, 공정 이상의 원인이 되는 설비를 탐색하는 연구는 미비한 실정이다. 본 연구는 웨이퍼의 공정 이력 데이터와 웨이퍼 맵 데이터를 분석하여 웨이퍼 결함 패턴 발생에 영향을 주는 설비와 설비 조합을 탐색한다. 제안하는 방법은 설비별 웨이퍼 결함 패턴 발생 이항신뢰구간(Binomial Confidence Interval) 분석을 통해 핵심 설비를 도출한다. 분석의 효율성을 위해 유의성이 높은 설비들을 기반으로 예비 핵심 공정 단계를 선정한다. 이후, 예비 핵심 공정 단계 내에서 발생 가능한 설비 조합의 이항신뢰구간 분석과 교호작용 효과 분석을 통해 핵심 설비조합을 도출한다. 도출된 핵심 설비, 설비 조합은 중요도에 따라 심층 분석 우선순위를 부여한다. 제안된 방법론은 실제 반도체 공정 이력 데이터에 적용되어 현업 엔지니어와의 협업을 통해 성능이 평가된다. 제안된 방법론은 웨이퍼결함 패턴 발생 원인 설비 및 설비 조합의 조기 탐색을 통해 공정 관리 능력 향상 및 신공정 램프업 시간 단축에 기여할 수 있을 것으로 기대된다.

5딥러닝 기반의 커뮤니티 검출 알고리즘 개발

저자 : 이철희 , 김도현

발행기관 : 한국품질경영학회 간행물 : 한국품질경영학회 춘계학술발표논문집 2020권 0호 발행 연도 : 2020 페이지 : pp. 21-21 (1 pages)

다운로드

(기관인증 필요)

초록보기

현실 세계의 다양하고 복잡한 문제들은 객체와 객체 간의 관계가 포함된 네트워크 형태의 데이터로 모델링될 수 있다. 네트워크 형태의 데이터에는 다양한 요소들이 존재하는 데 그 중 하나인 커뮤니티는 네트워크 분석에 있어서 매우 중요한 역할을 수행한다. 커뮤니티는 메타 노드로써의 역할을 할 수가 있으며, 이런 커뮤니티를 식별함으로써 네트워크의 다양한 속성들을 파악할 수 있기 때문이다.
최근 네트워크 데이터 표현 방식을 사용하는 다양한 딥러닝 알고리즘들이 연구되었다. 그러나 네트워크 데이터에 대해 딥러닝을 적용한 커뮤니티 검출 기법들은 대부분 노드의 특징 벡터를 추출하는 데에만 딥러닝을 활용하고 군집화 과정에서는 정형 데이터에 사용하는 기존의 군집화 기법들을 적용하고 있다.
본 논문에서는 정형데이터 군집화에 사용되는 DEC(Deep Embedded Clustering) 기법에 그래프 임베딩 기법인GAE(Graph Autoencoder)를 접목한 딥러닝 기반의 커뮤니티 검출 알고리즘을 제안한다. 본 논문에서 제안하는 커뮤니티 검출 알고리즘은 정형 데이터 대비 차원 복잡도가 높은 네트워크 데이터를 효과적으로 다루기 위해 코사인 유사도를 적용하였고, 기존 DEC의 손실함수 대신 BCE(Binary Cross Entropy) 손실함수를 적용하였다. 이를 통해 기존의 딥러닝 기반 클러스터링 알고리즘보다 더 안정적이면서 빠르게 최적값에 수렴하는 결과를 얻을 수 있었다.

6작품 추정가의 예측 정확도 평가 연구: 빅데이터 분석 기법을 이용하여

저자 : 장동률 , 박민재

발행기관 : 한국품질경영학회 간행물 : 한국품질경영학회 춘계학술발표논문집 2020권 0호 발행 연도 : 2020 페이지 : pp. 22-22 (1 pages)

다운로드

(기관인증 필요)

초록보기

미술 시장의 규모가 증대됨에 따라 작품의 가격에 관한 여러 연구가 수행되었다. 연구의 주된 목적은 작품의 가격결정 요인을 규명하고 감정 추정가의 편향성을 검토하는 것이었다. 이러한 연구에도 불구하고 무형적 가치를 가지는 작품의 가격은 여전히 예측 불가능한 것으로 받아들여져 왔다. 작품이 경제적 가치를 가지는 자산으로서 인정되는 만큼, 작품의 가격을 객관적으로 추정하는 일은 중요하다. 또한 작품의 감정 추정가가 편향되었다면 구매자의 합리적인 의사결정을 제한될 수 있다. 이러한 배경에서 본 연구는 정량화된 작품 특성을 변수로 하는 기계 학습 모형의 예측가격과 작품 별로 산정된 경매사 추정가의 예측력을 비교 분석한다. 고려된 기계 학습 모형은 랜덤 포레스트, 서포트벡터 회귀, k-최근접 이웃이다. 그 외에 선형 회귀의 정규화 모형인 라쏘와 릿지 회귀 모형을 추가적으로 구축하였다.
분석을 위해 본 연구는 2014년부터 2018년 동안에 이루어진 10,238건의 미술품 경매 데이터를 수집하였다. 낙찰가를 결과 변수로, 공개된 작품 정보를 예측 변수로 투입하여 학습 모형을 구축하였다. 예측 모형과 경매사 감정가의 예측 오차를 서로 비교함으로써 모형의 예측력을 평가하였다.
본 연구의 결과는 다음과 같다. 첫째, 고려된 모형들 중에서 랜덤 포레스트의 예측력이 가장 우수한 것으로 나타났다. 둘째, 가격 수준에 따라 예측력의 차이가 존재하였다. 경매사의 감정가는 고가 작품의 가격을 보다 정확히 추정하지만 저가 작품일수록 가격을 과대 추정하였다. 반면 예측 모형은 중저가 작품에 대해 감정가보다 낮은 오차를 보였지만 예측치의 상한선이 존재하였다. 무형적 가치를 가지는 예술품은 오직 인간의 감정에 의해 가격이 평가되어왔다. 따라서 인간의 주관적 판단을 배제하고 순수하게 공개된 작품 정보를 토대로 가격 모형을 개발하였다는 점에서 본 연구의 의의를 찾을 수 있다.

7네트워크 분석을 활용한 만성 동반질환의 유형화와 영향요인 분석

저자 : 연혜민 , 배석주

발행기관 : 한국품질경영학회 간행물 : 한국품질경영학회 춘계학술발표논문집 2020권 0호 발행 연도 : 2020 페이지 : pp. 23-23 (1 pages)

다운로드

(기관인증 필요)

초록보기

노인인구 증가로 인해 만성 동반질환의 부담이 지속적으로 증가하고 있어 만성 동반질환을 예측하고, 이에 대한 위험 요인을 제공할 수 있는 연구가 지속적으로 제안되었다. 하지만 국가 별 만성 동반질환 환자 양상이 다름에도 불구하고, 데이터 기반의 국내 만성 동반질환 연구 사례는 미비하다. 본 논문에서는 한국인의 신체적 특징을 고려하여 당뇨, 췌장 질환과 관련된 만성 동반질환 연구를 진행하였다.
먼저 동반질환 네트워크를 구축한 후 질환 간 연관성을 반영한 신규 특징을 추출하였으며, 동반질환 네트워크를 군집화하고, 네트워크 지표 별 시각화를 하였다. 최종적으로 다양한 머신러닝 기법을 통하여 만성 동반질환 예측하였으며, 네트워크 변수만 포함한 데이터셋 분석 결과와 연관 질환을 합친 데이터셋 분석 결과를 비교하였다. 연관 질환 특징을 합친 데이터셋 분석 결과가 더 우수하며, 베이지안 로지스틱 회귀분석의 예측력이 가장 우수하였다. 또한 당뇨, 췌장 질환 예측에 영향을 주는 요인으로 연령, 고유벡터 중심성, 지역 결집 계수, 결장 질환, 식도 질환 요인이 산출되었다.
신규 생성된 특징을 통해 기존 연구 대비 만성 동반질환 예측 정확도 향상되었으며, 이를 통해 만성 동반질환의 위험 요인을 제시함으로써 의료 산업에 부담을 덜어줄 것으로 기대한다.

8정형 및 비정형데이터를 통합한 미세먼지 관련 질병 진료 건수 예측에 관한 연구

저자 : 신나리 , 배석주

발행기관 : 한국품질경영학회 간행물 : 한국품질경영학회 춘계학술발표논문집 2020권 0호 발행 연도 : 2020 페이지 : pp. 24-24 (1 pages)

다운로드

(기관인증 필요)

초록보기

국내의 미세먼지가 점점 심해짐에 따라 많은 국민들의 건강에 대한 불안이 높아지고 있다. 장기간 미세먼지에 노출되면 면역력이 저하되어 천식, 폐렴, 비염 등의 각종 질병을 유발한다. 이에 따라 국민들의 건강증진 및 의료비 절감등의 효과를 위해 미세먼지 관련 질병 진료 건수를 예측하는 것이 필요하다.
본 논문에서는 뉴스기사인 비정형데이터와 정형데이터를 통합하여 딥러닝 모델과 통계적 방법론을 적용한 폐렴 및 천식 진료 건수 예측 방법론을 제안한다. 먼저 뉴스기사인 비정형데이터와 공공데이터인 정형데이터를 통합하여 데이터셋을 구축하였고, 예측 정확도를 향상시키고자 하였다. 딥러닝 및 통계적 방법론을 통해 폐렴과 천식 진료 건수를 예측하였으며, 정형데이터만 포함한 데이터셋의 분석 결과와 정형 및 비정형데이터를 통합한 테이터셋의 분석 결과를 비교하였다. 정형 및 비정형데이터를 통합한 테이터셋의 예측 결과가 더 우수하였으며, LSTM과 GRU의 예측 성능이 가장 우수하였다.
정형 및 비정형데이터의 통합으로 질병 진료 건수 예측 정확도가 향상되었으며, 이를 통해 의료비 절감 및 의료대응 체계 구축의 긍정적인 효과를 기대한다.

9딥러닝을 이용한 트랙터 엔진 조립 검사 시스템 개발

저자 : 서준규 , 윤태선 , 안효성 , 최동성 , 김평화 , 문용균 , 우경녕 , 화지호

발행기관 : 한국품질경영학회 간행물 : 한국품질경영학회 춘계학술발표논문집 2020권 0호 발행 연도 : 2020 페이지 : pp. 25-25 (1 pages)

다운로드

(기관인증 필요)

초록보기

최근 제조업 전반에 걸- 스마트 팩토리, Industry 4.0 등 IT 기술 기반의 데이터 수집 및 분석, 인공지능 기반의 제조 시스템 개선 등에 대한 기술 개발 요구가 증대되고 있다. 이에 더불어 자사 트랙터 엔진의 모델과 부품이 다양해지고 복잡해 짐에 따라 엔진 부품의 미조립 또는 오조립 가능성 또한 증가되었기 때문에 엔진 부품 조립 후 검사공정의 중요성이 대두되고 있다. 하지만 기존의 엔진 조립 검사는 작업자의 육안에 의존하는 전수 검사 방법이 이용되었는데, 이 경우 작업자의 숙련도 및 컨디션에 의해 검사 결과가 상이할 수 있어 불량 검출 신뢰도 확보가 어려운 상황이다.
이러한 어려움을 해결하기 위해 엔진을 촬영하여 엔진 부품의 조립 상태, 누락 여부를 검사할 수 있는 딥러닝 기반엔진 조립 검사 시스템을 개발하였다. 엔진의 영상 데이터를 수집한 뒤 딥러닝을 통해 검사를 수행하는 시스템으로, 구성은 다음과 같다. 먼저 검사 대상 엔진이 로딩된 트레이가 특정 위치에 진입했을 때 영상을 획득하기 위한 촬영부, 그리고 획득한 영상으로부터 조립된 부품을 인식하고 부품 데이터베이스와 비교하여 검사 엔진의 조립 상태 및 누락여부를 판단하는 엔진 조립 검사부로 구성되어 있다. 이를 통해 검사 과정을 자동화 및 전산화할 수 있었다. 결과적으로 검사 소요 시간을 육안 검사 대비 98.40% 단축하였으며, 과검율(결함으로 판단된 부품 중 실제로는 결함이 아니었던 부품 비율) 5.1%, 미검율(결함이 아니라고 판단된 부품 중 실제로는 결함이었던 부품 비율) 0%의 신뢰도를 확보하였다.

10스트레스 수준에 따른 우발 고장의 통계적 추정

저자 : 심현수 , 김용수

발행기관 : 한국품질경영학회 간행물 : 한국품질경영학회 춘계학술발표논문집 2020권 0호 발행 연도 : 2020 페이지 : pp. 29-29 (1 pages)

다운로드

(기관인증 필요)

초록보기

제조 산업의 급속한 발전으로 신뢰성 확보를 위한 제조 업체들의 경쟁이 치열해지고 있다. 제품의 수명을 추정하기 위한 아이템의 별도 규격에 기반한 신뢰성 시험을 수행하고 있다. 현재 제조 산업에서는 제품의 수명 추정을 위해서 주로 마모 시험에 대한 가속 수명 및 열화 시험을 수행하고 있다. 반면 우발 고장은 지수 분포에 기반한 시간에 따른 고정된 고장률 추정에 한정되어 있어서 스트레스 수준에 따른 실제 환경에서 적용하는 것에 한계가 존재한다.
따라서 본 연구에서는 스트레스 수준에 따른 우발 고장의 고장확률 추정을 위한 2단계 프로세스를 제안하였다. 1단계 프로세스는 고장 메커니즘의 파악과 시험 설계이다. 고장 메커니즘을 파악하여 고장 스트레스 수준이 높아짐에 따라 변동하는 고장 특성치와 임계치를 결정하여 독립변수가 스트레스 수준이며, 종속변수가 고장 특성치인 시험을 설계한다. 2단계 프로세스는 통계적 추론을 통해 설계된 시험의 결과를 분석한다. 측정된 고장 특성치를 통해서 회귀모형에 적합 후 외삽을 통해 고장 특성치가 임계치에 도달하는 스트레스 수준을 추정한다. 그리고 확률분포에 적합하여 가장 적합한 분포에 기반하여 스트레스 수준에 따른 고장확률을 추정한다.
사례 연구에서는 브레이크 디스크의 핫 져더에 의한 우발 고장확률을 추정하기 위해서 시험 설계 및 확률 추정을 수행하였으며 브레이크 디스크의 온도에 따른 고장확률을 로그정규 분포에 적합하여 추정하였다.
본 연구를 통해 우발 고장이 존재하는 다양한 아이템에 적용할 수 있다. 그뿐만 아니라, 실제 환경에서의 스트레스프로파일이 존재하면 시간에 따라 변동하는 스트레스에 기반한 우발 고장확률을 정량적으로 추정할 수 있다.

권호별 보기
가장 많이 인용된 논문

(자료제공: 네이버학술정보)

가장 많이 인용된 논문
| | | |
1연안해역에서 석유오염물질의 세균학적 분해에 관한 연구

(2006)홍길동 외 1명심리학41회 피인용

다운로드

2미국의 비트코인 규제

(2006)홍길동심리학41회 피인용

다운로드

가장 많이 참고한 논문

(자료제공: 네이버학술정보)

가장 많이 참고한 논문

다운로드

2미국의 비트코인 규제

(2006)홍길동41회 피인용

다운로드

해당 간행물 관심 구독기관

연세대학교 인하대학교 해양수산부 경희대학교 고려대학교
 232
 61
 40
 34
 29
  • 1 연세대학교 (232건)
  • 2 인하대학교 (61건)
  • 3 해양수산부 (40건)
  • 4 경희대학교 (34건)
  • 5 고려대학교 (29건)
  • 6 동아대학교 (27건)
  • 7 서울대학교 (24건)
  • 8 성균관대학교 (20건)
  • 9 한양대학교 (19건)
  • 10 가천대학교 (16건)

내가 찾은 최근 검색어

최근 열람 자료

맞춤 논문

보관함

내 보관함
공유한 보관함

1:1문의

닫기