대표어
권호기사보기
| 기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
|---|
결과 내 검색
동의어 포함
[표지] 1
제출문 2
기술개발사업 최종보고서 초록 3
기술개발사업 주요 연구성과 6
국문 요약문 11
목차 12
제1장 서론 16
제1절 개발기술의 중요성 및 필요성 16
1. 개발 대상 기술·제품의 개요 16
2. 개발 대상 기술·제품의 중요성 및 필요성 17
제2절 국내‧외 관련 기술 및 시장의 현황 18
1. 국내.외 기술 현황 18
2. 국내.외 시장 현황 21
제3절 기술개발 시 예상되는 기술적‧경제적 파급효과 23
제2장 기술개발 내용 및 방법 24
제1절 최종목표 및 평가 방법 24
제2절 연차별 개발 내용 및 개발범위 25
제3장 결과 및 향후 계획 26
제1절 연구개발 결과 26
1. 연차 연구개발 추진 일정 26
2. 연차 연구개발 추진 실적 27
3. 기술개발 결과의 유형 및 무형 성과 56
제2절 연구개발 추진체계 58
제3절 시장현황 및 사업화 전망 60
1. 국내.외 주요 수요처 현황 60
2. 사업화를 위한 시장환경 및 경쟁력 분석(SWOT 분석) 61
3. 예상 판매 계획(누적판매량) 61
제4절 사업비 사용현황 62
1. 비목별 총괄표 62
2. 참여연구원 63
제5절 연구개발결과의 활용계획 64
제6절 참고문헌 66
별첨 1. 자체평가서[내용없음] 12
[뒷표지] 68
표목차 13
표 1. 국내외 광산관리시스템 구성 기술 수준 비교 22
표 2. 정량적 목표 항목 24
표 3. 정량적 성과 목표 24
표 4. 연구개발 추진 일정 26
표 5. 패킷 데이터(헤더 데이터에 둘려진 짧은 데이터)의 통신 프로토콜 프레임 36
표 6. 트럭 이동 시간 측정용 프로그램의 입출력 자료 설명 38
표 7. 훈련자료 제작을 위한 시뮬레이션 운영 변수 설정 40
표 8. 훈련자료 제작을 위한 시뮬레이션 시간 변수 설정 40
표 9. 학습모델의 은닉 층 및 노드 설정 42
표 10. 광석 적재량 예측 정확도 평가 결과 및 학습 모델(은닉 총 5개, 노드 40개)의 오차 44
표 11. 파쇄기 이용률 예측을 위한 훈련 모델의 예측 정확도 평가 및 오차 분석(은닉 총 5개, 노드 40개) 46
표 12. 트럭의 평균 대기 시간 예측을 위한 훈련 모델의 예측 정확도 평가 및 오차 분석(은닉 층 5개, 은닉 층 노드 250개) 48
표 13. BBUNSPROWS 앱의 경보(알림) 정확도 평가 50
표 14. 공기질 평가를 위한 환경요인 문턱값(한계값) 51
표 15. 10일간의 광석 적재량과 파쇄기 이용률 예측을 위한 훈련 모델의 입력 노드 설정 52
표 16. 광석 적재량의 예측 정확도와 오차; 10일간(Case 1), 11월 7일 작업일을 제외한 9일간(Case 2) 53
표 17. 파쇄기 이용률 예측 정확도와 오차; 10일간(Case 1), 11월 7일 작업일을 제외한 9일간(Case 2) 54
그림목차 14
그림 1. 머신러닝 알고리즘을 이용한 스마트 광산관리시스템 빅데이터 분석 기술의 개념 16
그림 2. (주)빅파워솔루션이 개발한 스마트 광산관리시스템 관련 제품 17
그림 3. 한일시멘트 단양광산의 ICT 기반 스마트 광산관리시스템 18
그림 4. 호주 MST사의 광산ICT 장비 설치 및 운영 구조도 19
그림 5. 중국의 광산ICT 현황 – 통합 중앙관제센터 20
그림 6. 스마트 산업융합 기술 잠재적 시장 성장 가능성 예측 21
그림 7. 개발 대상 기술의 파급효과 23
그림 8. 스마트 광산 빅데이터 분석을 위한 머신러닝 알고리즘 SW 개발 25
그림 9. 머신러닝 분류: 감독 학습, 비감독 학습, 강화 학습 기법 비교 28
그림 10. 인공지능, 머신러닝, 딥러닝의 관계 28
그림 11. 의학영상 분석 지원용 의학영상 정보시스템 예시 29
그림 12. ECMinerTM와 ECMinerIMSTM 시스템의 개요 29
그림 13. 스마트 시티 시스템의 구조도 31
그림 14. 장비 부착형 영상 센서와 인공지능을 이용한 건설 및 채광지역의 실시간 모니터링 및 분석 시스템 32
그림 15. 광물 탐사에 활용되는 머신러닝 절차 예시 33
그림 16. 머신러닝 기법을 이용한 광상 파분쇄 평가 – FRAGx 33
그림 17. 연구지역의 지하갱도와 지상시설을 보여주는 항공 사진 34
그림 18. 연구지역에 설치된 광산안전관리시스템의 구성 요소 35
그림 19. 지하광산에서의 Wireless APs의 작동 순서 개념도 36
그림 20. 운반 작업 횟수, 파쇄장에서 획득한 태그 인식 데이터, 4개 유형의 트럭 이동시간 측정값에... 37
그림 21. 트럭-로더 운반 시스템의 시뮬레이션 절차 개념도 39
그림 22. 훈련자료의 히스토그램 분포 41
그림 23. 머신러닝 학습(훈련) 모델 개념도 41
그림 24. 머신러닝 모델 학습(훈련) 알고리즘 절차 개념도 43
그림 25. 학습 모델의 은닉 층과 노드 개수 변화에 따른 광석 적재량 예측 정확도 평가 결과;... 45
그림 26. 광석 적재량 합계 예측값과 측정값간의 상관성 분석 45
그림 27. 은닉 층과 노드 개수 변화에 따른 파쇄기 이용률 예측을 위한 훈련 모델의 예측 정확도 결과;... 46
그림 28. 훈련 모델(은닉 층 4개와 노드 40개)에 의한 파쇄기 이용률 예측값과 측정값의 상관관계 분석 결과 47
그림 29. 은닉 층과 노드 개수 변화에 따른 트럭의 평균 대기 시간 예측을 위한 훈련 모델의 예측... 48
그림 30. 훈련 모델(은닉 층 5개와 노드 250개)에 의한 트럭의 평균 대기 시간(분) 예측값과 측정값의 상관관계 분석 결과 49
그림 31. 현장실험 결과. BBUNPROWS 앱의 (a) 차량 위치, (b) 작업자(운전자)를 위한 첫 번째 주의 알림, (c) 작업자(운전자)를 위한 두 번째 경고 알림 50
그림 32. MIT 앱인벤터로 개발한 스마트폰 앱 사용자 화면 51
그림 33. 최적의 훈련 모델과 시뮬레이션 방법에 의한 광석 적재량 예측값과 측정값의 비교 53
그림 34. 최적의 훈련 모델과 시뮬레이션 기법에 의한 파쇄기 이용률 예측값과 측정값의 비교 54
그림 35. 트럭의 개수(a)와 트럭 배치 시간(b)에 따른 광석 적재량과 파쇄기 이용률의 변화 분석 결과 55
그림 36. 유형 및 무형 성과: 저작권 56
그림 37. 유형 및 무형 성과: 논문게재 57
그림 38. 유형 및 무형 성과: 시작품 57
그림 39. 연구개발 수행 체계 59
그림 40. 연구개발 역할 분담 편성도 59
그림 41. ICT 기반 스마트 광산관리시스템 AI의 비즈니스 모델 65
*표시는 필수 입력사항입니다.
| 전화번호 |
|---|
| 기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
|---|
| 번호 | 발행일자 | 권호명 | 제본정보 | 자료실 | 원문 | 신청 페이지 |
|---|
도서위치안내: / 서가번호:
우편복사 목록담기를 완료하였습니다.
*표시는 필수 입력사항입니다.
저장 되었습니다.
