Joo Yong-han, Université de Sunmoon
Actuellement, divers composants de l'usine intelligente sont activement appliqués dans l'industrie manufacturière. Dans ce flux, de nombreux excellents exemples d'acaricides appliquant diverses données de processus à des modèles d'analyse de mégadonnées ont été publiés. Cependant, le modèle d'analyse des mégadonnées a des difficultés à se populariser en raison de contraintes telles que l'allocation de ressources énormes, un temps d'apprentissage relativement long et un réglage fin par des experts. Dans cette étude, nous souhaitons proposer un explorateur de données fonctionnelles capable d'analyser les données de trace de divers processus et équipements. Cette technique peut modéliser les données collectées sur la base de la fonction de base et renvoie une valeur fonctionnelle en conséquence. L'analyse a été effectuée sur la base d'un capteur à chambre à semi-conducteur, et il a été confirmé qu'il y avait un meilleur effet dans la détection des anomalies sur la base de statistiques de base telles que la moyenne et la déviation. On s'attend à ce que la commodité de l'analyse des données en temps réel soit améliorée grâce à la technique d'analyse de cette étude.
