봉제공정라인 생산 추적을 위한 CNN분류기 기반 에너지 모니터링 시스템

• 영문명: CNN Classifier Based Energy Monitoring System for Production Tracking of Sewing Process Line
• 발행기관: 적정기술학회
• 저자명: 김준영(Thomas J. Y. Kim) 김형중(Hyungjung Kim) 정우균(Woo-Kyun Jung) 이재원(Jae Won Lee) 박용철(Young Chul Park) 안성훈(Sung-Hoon Ahn)
• 간행물 정보: 『적정기술학회지』Vol.5 No.2, 70~81쪽, 전체 12쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2019.11.30

국문 초록

의류산업은 대표적인 노동집약적인 산업 중 하나로 의류 제조의 기본 공정인 봉제 작업은 인력에 대한 의존도가 매우 높다. 의류 생산비용은 라인의 효율성에서 큰 영향을 받는데, 생산비용의 절감을 위해서는 생산 속도를 조절하여 라인의 균형 유지하는 것이 중요하다. 그러나, 현재 의류 생산라인에서 활용되고 있는 인력에 의한 생산 실적 집계 방식은 이를 위한 부수적인 인력의 소요 등으로 인한 추가 비용이 소요되어 중소기업들이 직접 적용하기 쉽지 않다. 완제품의 인력에 대한 의존도는 집계 시간의 추가 소요와 인적 오류가 크게 잠재되어 생산비용의 증가와 함께 효율성의 저하를 초래할 수 있다. 본 논문에서는 에너지 소비 데이터를 수집하고 이를 CNN (Convolutional Neural Network) 기법을 적용하여 분석함으로써 재봉 작업을 통하여 생산한 제품의 수량을 추적하고 자동으로 집계할 수 있는 봉제 작업 생산 추적 시스템을 제안한다. 개발된 시스템을 통하여 2종의 재봉 작업을 테스트 한 결과, 최대 98.6 %의 정확도를 보이며 재봉 작업을 감지할 수 있었다. 개발도상국에서 의류봉제산업은 매우 중요한 산업이나, 위에 언급한 문제들을 해결하기 위하여 고가의 첨단기술을 적용하는 등 많은 자본을 투입하는 것은 크게 제한된다. 적정 기술을 적용한 본 기술은 이러한 개발도상국의 의류산업에 큰 도움을 줄 수 있을 것으로 판단된다.

영문 초록

The garment industry is one of the most labor-intensive manufacturing industries, with its sewing process relying almost entirely on manual labor. Its costs highly depend on the efficiency of this production line and thus is crucial to determine the production rate in real-time for line balancing. However, current production tracking methods are costly and make it difficult for many Small and Medium-sized Enterprises (SMEs) to implement them. As a result, their reliance on manual counting of finished products is both time consuming and prone to error, leading to high manufacturing costs and inefficiencies. In this paper, a production tracking system that uses the sewing machines’ energy consumption data to track and count the total number of sewing tasks completed through Convolutional Neural Network (CNN) classifiers is proposed. This system was tested on two target sewing tasks, with a resulting maximum classification accuracy of 98.6%; all sewing tasks were detected. In the developing countries, the garment sewing industry is a very important industry, but the use of a lot of capital is very limited, such as applying expensive high technology to solve the above problem. Applied with the appropriate technology, this system is expected to be of great help to the garment industry in developing countries.

목차

Introduction

Machine Learning in Monitoring Applications

Design of Production Tracking System

Implementation of Production Tracking Method

Evaluation and Results

Conclusion and Future Work

Acknowledgements

키워드

energy monitoring sewing process convolutional neural networks production tracking smart sensor smart factory