글

라벨이 생성형AI인 게시물 표시

smms 를 활용한 중장비 예지 정비 효과에 대한 연구 논문을 정리

-
smms 를 활용한 중장비 예지 정비 효과에 대한 연구 논문을 정리 SMMS(스마트 유지보수 관리 시스템)를 활용한 중장비 예지 정비에 대한 최신 연구 논문과 관련 효과, 기술적 배경, 실제 현장 적용 사례를 정리하면 아래와 같습니다[1][2][3][4][5]. 주요 최신 논문 및 연구 자료 정리 논문 제목 발행연도 연구 배경 연구 목적 연구 방법 연구 결과 연구의 기여 Predictive Maintenance in Industry 4.0: A Systematic Multi-sector Review 2024 산업 4.0 시대, 스마트 유지보수 도입 확대 중장비 포함 제조·건설·물류분야 예지정비 실효성 체계적 검토 문헌 리뷰, 현장 사례 분석 사전고장 예측 정확도 개선, 비용/생산성 이점 증명 AI·IoT 기반 PdM의 산업 적용 가이드라인 제공[2] Systematic Review of Predictive Maintenance Practices 2025 다양한 제조 산업에서 PdM 적용 현황 분석 최신 예지정비 기술의 효과 및 사례 파악 PRISMA 프레임워크로 문헌 리뷰 설비 다운타임 감소, 운용 효율 향상, 신뢰도 증가 향후 PdM 기술 도입 전략 제안[1] AI-Enabled Predictive Maintenance in Heavy Equipment Market 2025 AI·IoT 기반 중장비 시장 변화 예지정비가 중장비 운영에 미치는 영향 분석 AI/ML 모델 적용사례, 현장 성능 검증 장비수명 연장, 돌발정지 감소, 유지비 절감 산업별 AI 예지정비 도입 성공요인·시장 전망 분석[4] Enhancing Heavy Equipment Maintenance with Artificial Intelligence 2023 중장비 예지정비 영역의 AI 활용 초기 도전 CBM(조건기반 정비)와 AI 연계 효과 실험 센서 데이터, 머신러닝, 현장 실험 진동·온도·압력 데이터로 고장 예측 정확도 상승 실질적인 CBM+AI 설계, 운용 가이드 제공[5] SMMS 기반 ...
댓글 쓰기
Read more »

CLIP 모델을 사용하여 이미지를 텍스트로 변환하는 함수

-
CLIP 모델은 이미지와 텍스트를 모두 처리할 수 있는 모델입니다. 이 모델을 사용하면 이미지와 텍스트를 멀티모달로 동시에 고려할 수 있습니다.  예를 들어, CLIP 모델을 사용하여 이미지를 텍스트로 변환하는 함수를 작성할 수 있습니다. 이 함수는 다음과 같은 코드로 작성할 수 있습니다: ```python from PIL import Image from transformers import CLIPProcessor def image_to_text(image_path):     # 이미지를 텍스트로 변환하는 코드 (CLIP 모델 활용)     image = Image.open(image_path)     clip_processor = CLIPProcessor()     inputs = clip_processor(text=["a photo of", "a picture of"], images=image, return_tensors="pt")     outputs = clip_model(**inputs)     # 이미지 설명 추출     image_description = clip_processor.decode(outputs.logits_per_image, top_k=1)[0]     return image_description ``` 이 함수는 이미지 파일을 입력으로 받아 해당 이미지의 설명을 반환합니다. 이 함수를 사용하려면 `CLIP` 모델과 `clip_processor`를 설치해야 합니다. 이 모델과 프로세서는 Python 패키지 `Hugging Face Transformers`에서 제공됩니다. 이 패키지를 설치하면 `clip_processor`를 사용할 수 있습니다.  CLIP 모델의 다양한 예시와 사용 방법에 대해서는 인터넷에서 찾아볼 수 있습니다. CLIP 모델과 clip_processor 프로세...
댓글 쓰기
Read more »

인공지능- 음악을 작곡하는 AI도구

-
이미지
   인공지능 - 음악을 작곡하는 AI도구 [생성형 음악 제작 도구] 1. AudioCraft 2. OpenAI Jukebox 와 MuseNet 3. Amper Music 4. Soundful 5. AIVA (Artificial Intelligence Virtual Artist) 6. Ecrett Music 7. Soundraw 8. Amadeus Code   가트너의 설문조사에 따르면, 인공지능을 사용한 적이 있는 기업의 55%는 새로운 애플리케이션을 개발할 때 이미 인공지능을 우선시하는 것을 목표로 삼고 있다고 합니다.  그만큼 인공지능의 시대는 가속화 되고 있습니다. 최근 몇 년 동안 언어 모델을 포함한 생성 AI 모델은 질문에 대한 텍스트 설명이나 요약에서 부터 음성 모델, 이미지 및 비디오 생성까지 지원되고 있습니다. 이미지나, 텍스트에 대한 기계학습은 이미 많은 발전이 되었습니다. 앞으로 복잡한 음성에 대한 학습도 지속적인 성장이 이루어 질 전망입니다.  인공지능은 비즈니스 까지 활용되는 보편화의 시대로 접어 들었고 예술 분야에도 많은 변화가 진행되고 있습니다. 앞으로 전문 음악가가 악기를 연주하지 않고도 새로운 작곡을 할 수 있는 시대도 현실화 되고 있습니다.     음악 생성 AI 도구 모음   1.  AudioCraft  -  https://audiocraft.metademolab.com/ (소개)  -  https://github.com/facebookresearch/audiocraft  (소스코드) 최근 Meta(페이스북)는  AudioCraft라는 음악, 음향 효과, 압축등 생성 오디오 도구를 발표했습니다.  MusicGen , AudioGen 및 EnCodec 고 구성된 Audio Craft로 사용자가 원하는 스타일의 음악이나 음향 효과음을 생성 할 수 있습니다. 사용자는...
댓글 쓰기
Read more »

이 블로그의 인기 게시물

KrakenD API Gateway - krakend.json 파일의 기본 구조

-
KrakenD의 설정 파일인 `krakend.json`은 KrakenD API Gateway의 동작을 정의하는 중요한 파일입니다.  이 파일의 구조와 주요 요소를 설명해 드릴게요. ### krakend.json 파일의 기본 구조 ```json {   "$schema": "https://www.krakend.io/schema/v2.7/krakend.json",   "version": 3,   "endpoints": [],   "extra_config": {} } ``` - **$schema**: 선택 사항으로, IDE 통합을 통해 자동 완성 및 문서를 사용할 수 있게 합니다. - **version**: 필수 항목으로, 설정 파일 형식의 버전을 나타냅니다. 현재 버전은 3입니다. - **endpoints**: API 게이트웨이가 제공하는 엔드포인트와 관련된 백엔드 및 설정을 정의하는 배열입니다. - **extra_config**: Lura 프로젝트의 핵심 기능이 아닌 서비스 구성 요소의 설정을 저장합니다². ### 엔드포인트 설정 엔드포인트는 게이트웨이가 사용자에게 제공하는 URL을 정의합니다. 각 엔드포인트는 최소 하나 이상의 백엔드를 선언해야 합니다. ```json {   "endpoints": [     {       "endpoint": "/v1/foo-bar",       "backend": [         {           "url_pattern": "/foo",           "host": ["https://my.foo-api.com"]         },         {         ...
Read more »

Kraken api - get token with python

-
Kraken api - get token with python an example of how you can generate a WebSocket authentication token using Python for Kraken's API: ```python import time import base64 import hashlib import hmac import urllib.request import json # Replace with your Kraken API public and private keys api_key = 'YOUR_API_PUBLIC_KEY' api_secret = 'YOUR_API_PRIVATE_KEY' # API endpoint and parameters api_path = '/0/private/GetWebSocketsToken' api_nonce = str(int(time.time() * 1000)) api_post = 'nonce=' + api_nonce # Create the SHA256 hash api_sha256 = hashlib.sha256(api_nonce.encode('utf-8') + api_post.encode('utf-8')).digest() # Create the HMAC signature api_hmac = hmac.new(base64.b64decode(api_secret), api_path.encode('utf-8') + api_sha256, hashlib.sha512) api_signature = base64.b64encode(api_hmac.digest()) # Create the request api_request = urllib.request.Request('https://api.kraken.com' + api_path, api_post.encode('utf-8')) ap...
Read more »

( 경영전략,사업전략 ) 마이클 포터의 가치사슬 분석(Value Chain Analysis) 이론

-
이미지
( 경영전략,사업전략 ) 마이클 포터의 가치사슬 분석(Value Chain Analysis) 이론 ​ ​ #경영전략 #기업혁신전략 #가치창출전략 #생산유통전략 #가치사슬이론 #오픈이노베이션 #개방혁신전략 ​ ​ ​ 신사업을 하려면 사업 전략 기획 뿐아니라 프로그램을 개발하는 개발자도 경영 전략에 대한 인사이트가 필요 합니다. ​ ​ 시장에 대한 기회요인과 필요한 기술을 찾고 투입 되는 생산 비용과 효율성을 확보하는 것은 디지털 기업이 성공하는 필수적이고 핵섬적인 전략 요소가 될 것입니다. (실패하지 않으려면) (경영전략.사업전략) 기업의 가치 창출 전략 이론 ​ (1) 마이클 포터의 가치사슬 분석(Value Chain Analysis) (2) 자원 기반 관점 (Resource-Based View, RBV) 역량 확보 전략 (3) 헨리 체스브로(Henry Chesbrough) 개방형 혁신(Open Innovation) 이론 (4) 블루 오션 전략 (Blue Ocean Strategy) https://couplewith.tistory.com/668 마이클 포터의 가치사슬 분석(Value Chain Analysis) 이론 마이클 포터의 가치사슬 분석(Value Chain Analysis)은 기업의 활동을 여러 단계로 나누어 각 단계에서 가치를 창출하는 방식을 분석하는 도구입니다. ​ 이 기법은 1985년 마이클 포터가 제안한 것으로, 기업 내부의 활동을 기본 활동과 지원 활동으로 구분하여 분석합니다. 이를 통해 기업은 각 활동에서 발생하는 비용과 가치를 파악하여 경쟁력을 강화할 수 있습니다. ​ ​ 1. 기본 활동 (Primary Activities) 2. 지원 활동 (Support Activities) ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ 1. 기본 활동 (Primary Activities) ​ ​ 1.1.내부 물류 (Inbound Logistics) ​ 설명: 원재료의 수급 및 저장, 재고 관리 등을 포함합니다. 예시: 자동차 제조업체...
Read more »