FGLS 추정을 이용한 제조 공정 사이클 이상 탐지
Anomaly Detection in Manufacturing Process Cycle Using Feasible Generalized Least Squares Estimation
초록/요약
본 연구의 목적은 PLC에 의해 제어되는 자동화 제조 공정에서 수집된 데이터를 사이클 단위로 가공한 후, 사이클 단위 데이터의 패턴 모형을 추정하고, 추정한 모형을 활용한 이상 사이클 탐지 방법을 제안하는 것이다. 본 연구의 대상 공정은 PLC에 의해 제어되는 자동화 리벳팅 공정이다. 대상 공정의 경우 PLC 제어 신호 데이터를 바탕으로 설비의 이상을 탐지하는 데는 수집된 데이터를 활용하고 있지만, 설비로부터 수집되는 데이터를 분석하여 제품의 품질을 관리하고 있지는 않다. 따라서 설비의 동작에 이상이 없었던 경우에도 제품의 품질이 일정하게 관리되고 있지 않다는 문제가 있다. 따라서 본 연구에서는 다음의 과정으로 사이클 단위의 이상 탐지를 수행한다. 첫째, 리벳팅 설비의 PLC로부터 수집되는 설비 제어 신호, 제품 변경 신호 그리고 서보 모터 Z축 부하율 데이터를 활용하여 제품별로 사이클 단위 데이터를 구성한다. 둘째, OLS(Ordinary Least Squares) 추정, 변형된 PW(Prais-Winsten) 추정, 이분산 교정 FGLS(Feasible Generalized Least Squares) 추정의 과정을 거쳐 사이클 단위 부하율 패턴 모형을 추정한다. 셋째, 추정한 모형을 바탕으로 카이제곱 분포를 활용한 이상 탐지, 6 시그마를 기준으로 이상 탐지, MSE(Mean Squared Error)를 기준으로 이상 탐지를 수행한다. 제조 공정상 품질에 주요한 영향을 미치는 요인의 사이클 패턴 이상은 공정을 통과한 제품의 불량과 직결되므로 이를 탐지하는 것을 통해 제품의 품질 및 생산성 향상을 기대할 수 있다. 또한 본 연구의 분석 프로세스는 본 연구의 대상 공정뿐만 아니라 PLC에 의해 제어되고 데이터를 수집하는 자동화 공정이라면, 해당 공정의 특성에 맞게 각 단계를 변형하여 적용할 수 있다.
more초록/요약
The purpose of this study is to process the data collected in the automated manufacturing process controlled by PLC in cycle units, then to estimate the pattern model of the cycle unit data, and to propose an abnormal cycle detection method using the estimated model. The target process of this study is an automated riveting process controlled by PLC. In the case of the target process, the collected data is used to detect abnormalities in the facility based on the PLC control signal data, but the quality of the product is not managed by analyzing data collected from the facility. Therefore, even when there was no abnormality in the operation of the facility, there is a problem that the quality of the product is not constantly managed. Therefore, in this study, anomaly detection in cycle units is performed as the following process. First, cycle unit data for each product is constructed using facility control signals, product change signals, and servo motor Z-axis load factor data collected from PLC of the riveting facility. Second, the cycle unit load factor pattern model is estimated through the process of OLS estimation, modified PW estimation, and FGLS estimation to correct heteroskedasticity. Third, based on the estimated model, anomaly detection using the chi-square distribution, anomaly detection based on 6 sigma, and anomaly detection based on MSE are performed. Since the abnormal cycle pattern of the factor that has a major influence on quality in the manufacturing process is directly related to the defect of the product that has passed the process, it can be expected to improve the quality and productivity of the product by detecting it. In addition, the analysis process of this study can be applied by modifying each step according to the characteristics of the process if it is an automated process that is controlled by PLC and collects data as well as the target process of this study.
more목차
제1장 서론 1
제1절 연구 배경 1
제2절 연구 목적 2
제2장 관련 연구 3
제1절 PLC 데이터 가공 및 분석 3
제2절 카이제곱 분포를 활용한 이상 탐지 4
제3절 딥러닝 모델을 활용한 비지도 이상 탐지 5
제3장 연구 방법 7
제1절 데이터 전처리 7
1. 원자료 7
2. 구역화 8
3. 이상치 제거 9
4. 데이터 변환 9
5. 데이터 유형 10
제2절 서보 모터 Z축 부하율 패턴 추정 10
1. OLS(Ordinary Least Squares) 추정 11
2. PW(Prais-Winsten) 추정과 변형 13
3. 이분산 교정 FGLS(Feasible Generalized Least Squares) 추정 15
제3절 이상 탐지 17
1. 카이제곱 분포를 활용한 이상 탐지 17
2. 6 시그마를 기준으로 이상 탐지 18
3. MSE(Mean Squared Error)를 기준으로 이상 탐지 19
제4장 연구 결과 20
제1절 데이터 전처리 20
1. 데이터 탐색 및 이상치 제거 20
2. 데이터 변환 23
제2절 서보 모터 Z축 부하율 패턴 추정 25
1. OLS 추정 25
2. 변형된 PW 추정 28
3. 이분산 교정 FGLS 추정 31
제3절 이상 탐지 33
1. 카이제곱 분포를 활용한 이상 탐지 34
2. 6 시그마를 기준으로 이상 탐지 34
3. MSE를 기준으로 이상 탐지 37
4. 이상 탐지 결과 종합 38
제5장 결론 및 향후 연구 40
제6장 참고 문헌 42
