19:35
비디오 길이: 19:35
진동 데이터 기반 배터리 커터 고장진단 딥러닝 모델 개발
LG에너지솔루션 이정훈
배터리 제조 공정 중 반제품을 자르는 커터는 정해진 커팅 횟수에 따라 교체됩니다. 이에 반제품 커팅 시 발생하는 진동 데이터를 수집하여 딥러닝 모델 기반 PHM(Prognostics and Health Management) 기술을 적용함으로써 커터의 수명을 진단하고 고장 시점을 사전에 예측하여 설비 부품의 관리를 최적화할 수 있습니다. MATLAB®에서 제공하는 Data Acquisition Toolbox™를 통해 NI® 디바이스와 연동된 시스템을 손쉽게 구성하였고 GUI 기반 딥러닝 모델링을 반복적으로 빠르게 완료할 수 있었습니다.
본 세션에서는 해당 사례의 딥러닝 기반 고장 진단 프로젝트 개발 워크플로를 소개합니다.
발행: 2021년 5월 20일
웹사이트 선택
번역된 콘텐츠를 보고 지역별 이벤트와 혜택을 살펴보려면 웹사이트를 선택하십시오. 현재 계신 지역에 따라 다음 웹사이트를 권장합니다:
또한 다음 목록에서 웹사이트를 선택하실 수도 있습니다.
사이트 성능 최적화 방법
최고의 사이트 성능을 위해 중국 사이트(중국어 또는 영어)를 선택하십시오. 현재 계신 지역에서는 다른 국가의 MathWorks 사이트 방문이 최적화되지 않았습니다.
미주
- América Latina (Español)
- Canada (English)
- United States (English)
유럽
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
아시아 태평양
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)