클라우드 기반 진화 학습하는 스마트 공정진단분석 프레임워크

DC Field Value Language
dc.contributor.advisor왕지남-
dc.contributor.author김남준-
dc.date.accessioned2018-11-08T08:27:02Z-
dc.date.available2018-11-08T08:27:02Z-
dc.date.issued2018-02-
dc.identifier.other27493-
dc.identifier.urihttps://dspace.ajou.ac.kr/handle/2018.oak/13848-
dc.description학위논문(석사)--아주대학교 일반대학원 :산업공학과,2018. 2-
dc.description.abstract스마트 공장 구축의 세계적 추세를 쫓아가지 못하는 국가 중소·중견 제조 기업들의 경쟁력이 떨어짐에 따라 국가 전반의 경제의 위기 상황이 닥치고 있다. 국가적 차원에서의 지원도 이루어지고 있지만 스마트 공장 구축에 들어가는 비용과 시스템 관리 인력 유지가 상당히 어려운 실정이다. 이에 부담을 느낀 중소·중견 제조 기업들은 스마트 공장 시스템 구축을 주저하고 있는 현실이다. 이에 본 논문에서는 스마트 공장의 중요 기능인 공정진단분석 기능을 클라우드 형태로 구성하여 제안하였다. 이를 클라우드 기반 진화 학습하는 스마트 공정진단분석 프레임워크라 하여 4가지 영역을 가지는 시스템을 제안하였다. 이를 통해 스마트 공장 시스템 중 하나인 공정진단분석 시스템 구축에 들어가는 비용을 최소화하여 스마트 공장 시스템 도입을 고려하는 중소·중견 제조 기업들에게 하나의 방안을 제시한다.-
dc.description.tableofcontents제 1 장 서 론 1 제 1 절 연구 배경 1 제 2 절 연구 목적 3 제 3 절 논문의 구성 4 제 2 장 관련 연구 5 제 1 절 PLC의 정의 및 특징 5 제 2 절 OPC UA의 정의 및 특징 7 제 3 절 클라우드의 정의 및 종류 10 제 3 장 제안 시스템 14 제 1 절 전체 시스템 구성 14 제 2 절 시스템의 기능 구성 17 제 3 절 하드웨어 구성 20 제 4 절 소프트웨어 구성 21 제 5 절 네트워크 구성 22 제 4 장 기대효과 23 제 5 장 결론 및 향후 연구 25 참고문헌 26 Abstract 27-
dc.language.isokor-
dc.publisherThe Graduate School, Ajou University-
dc.rights아주대학교 논문은 저작권에 의해 보호받습니다.-
dc.title클라우드 기반 진화 학습하는 스마트 공정진단분석 프레임워크-
dc.typeThesis-
dc.contributor.affiliation아주대학교 일반대학원-
dc.contributor.department일반대학원 산업공학과-
dc.date.awarded2018. 2-
dc.description.degreeMaster-
dc.identifier.localId800767-
dc.identifier.urlhttp://dcoll.ajou.ac.kr:9080/dcollection/jsp/common/DcLoOrgPer.jsp?sItemId=000000027493-
dc.subject.keywordPLC-
dc.subject.keywordAnomaly-
dc.subject.keywordDetection-
dc.subject.keyword스마트 공장-
dc.subject.keyword클라우드-
dc.description.alternativeAbstractAs small and mid-sized manufacturers can not keep up with the global trend of smart factory construction, the competitiveness of their local small and medium sized manufacturers has declined, creating a national crisis. Although support is provided at the national level, it is very difficult to maintain system management personnel and costs associated with smart factory construction. Burdened by this, small and mid-sized manufacturers are reluctant to build smart factory systems. Therefore, in this paper, the process diagnosis analysis function of smart factory is configured and proposed in the cloud. A system with four areas was proposed, called Cloud-based Evolution Learning Smart Process Diagnosis Analysis Framework. This minimizes the cost of deploying a process diagnostic analysis system, one of the smart factory systems, and presents one option to small and mid-sized manufacturers that consider introducing smart factory systems.-
Appears in Collections:
Special Graduate Schools > Graduate School of Science and Technology > Department of Industrial Engineering > 3. Theses(Master)
Files in This Item:
There are no files associated with this item.

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse