순환 공장으로 반품된 제품은 열화 상태·사용 이력·잔여 성능이 제각각이라 현재 검사만으로 재사용 여부를 판단할 수 없다. 이 논문은 앵글 그라인더를 대상으로, 불확실성 인지 기능 예측과 부품 수준 피로 평가를 인스턴스별 신뢰성 워크플로로 결합해 이 공백을 메운다. 현재 공구 상태와 최근 힘-토크 사용 구간을 합쳐, 합성곱 인코더가 스핀들 힘·축 토크에서 하중 패턴을 추출하고 LSTM이 9개 기능 변수를 가우시안 평균·분산으로 예측한다. 동시에 같은 하중 이력을 유한요소 기반 응력 재구성, 하이바흐 확장 S-N/마이너 손상 평가, 패리스 법칙 균열 성장 분석으로 출력축 피로 정보로 변환한다. 스트리밍 리플레이 알고리즘이 두 갈래를 기능·재료·시스템 신뢰성 궤적으로 통합한다. 검증에서 9개 출력 평균 2% 허용오차 정확도 0.9652를 기록했고, 열 변수는 거의 완벽, 구동 모터 전류·부하 속도가 가장 까다로워 R²가 각각 0.9750·0.9924였다. 단기 이력에서는 토크 이력이 중요하며 전통적 LSTM이 GRU·xLSTM을 능가했다.
- •순환 공장 재사용 판단을 위해 불확실성 인지 기능 예측과 부품 피로 평가를 결합한 인스턴스별 신뢰성 워크플로
- •합성곱 인코더+LSTM이 힘·토크 이력에서 9개 기능 변수를 가우시안 평균·분산으로 예측
- •유한요소 응력 재구성·하이바흐 S-N/마이너 손상·패리스 균열성장으로 출력축 피로 평가
- •9개 출력 평균 2% 허용오차 정확도 0.9652, 구동모터 전류·부하속도가 가장 까다로운 동적 출력
- •단기 이력 설정에서 전통적 LSTM이 GRU·xLSTM보다 우수
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Uncertainty Aware Functional Behavior Prediction and Material Fatigue Assessment for Circular Factory
- 1.순환 공장 기능 예측
- 2.불확실성 인지 피로도 평가
- 3.재활용 부품 재사용 결정
왜 중요한가?
순환 경제 시스템에서 반환된 제품의 재사용 여부를 더욱 정확하고 신뢰성 있게 결정하여 자원 효율성을 극대화하고 폐기물을 줄이는 데 기여합니다.
이 AI 연구는 순환 경제 공장 내 반환 제품의 기능적 행동 예측과 재료 피로도 평가에서 불확실성을 관리하는 방법을 제시합니다. 지속 가능한 생산과 자원 효율성을 목표로 하는 국내 제조업체들에게는 인공지능을 활용하여 제품의 재사용 가능성과 안전성을 정확히 판단하는 것이 필수적이며, 이는 단순 검사를 넘어선 지능형 품질 관리 시스템 구축에 중요한 이정표가 될 것입니다.
본문 미리보기
arXiv:2606.05334v1 Announce Type: new Abstract: Returned products in circular factories re-enter production with heterogeneous degradation states, usage histories, and remaining capability. Reuse cannot be decided from the current inspection alone, because future function fulfillment and component integrity may evolve differently under the next service scenario. Existing PHM approaches support degradation prediction, but often target fixed operating conditions or isolated component benchmarks,
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:12AI 초안
