• 검색 결과가 없습니다.

Development of the dyeing curve prediction model for dyeing process using multiple linear regression analysis<sup>†</sup>

N/A
N/A
Protected

Academic year: 2021

Share "Development of the dyeing curve prediction model for dyeing process using multiple linear regression analysis<sup>†</sup>"

Copied!
11
0
0

로드 중.... (전체 텍스트 보기)

전체 글

(1)

2018, 29

(

3)

,

705–715

중선형회귀분석을 이용한 염색공정의 염착곡선 예측모형 개발

ᆼᄉᆨᄀ

1

·ᅵ화ᄌ

2

·ᅥᄇᆼᄀ

3

·ᆼᄉᆨᄇ

4

1ᅡ이ᄐᆨ ᄋᆫ구ᄋᆫᄉᆼ패ᄇᆯᄉᆫ터 ·234ᆼᄂᆷ대ᄒᆨ교 톄ᄒᆨᄀ

ᄌ ᅥ

ᆸᄉ ᅮ 2018ᄂ ᅧ ᆫ 4ᄋ ᅯ ᆯ 16ᄋ ᅵ ᆯ, ᄉ ᅮᄌ ᅥ ᆼ 2018ᄂ ᅧ ᆫ 5ᄋ ᅯ ᆯ 14ᄋ ᅵ ᆯ, ᄀ ᅦᄌ ᅢ ᄒ ᅪ ᆨᄌ ᅥ ᆼ 2018ᄂ ᅧ ᆫ 5ᄋ ᅯ ᆯ 17ᄋ ᅵ ᆯ

요 약

ᅩ ᆫ ᄋ ᅧ ᆫᄀ ᅮᄋ ᅦᄉ ᅥᄂ ᅳ ᆫ ᄑ ᅩ ᆯ ᄅ ᅵᄋ ᅦᄉ ᅳᄐ ᅦᄅ ᅳ ᄉ ᅥ ᆷᄋ ᅲ ᄉ ᅩᄌ ᅢ ᄆ ᅮ ᆯᄉ ᅥ ᆼᄋ ᅴ ᄎ ᅥ ᆫᄋ ᅳ ᆯ ᄋ ᅵᄋ ᅭ ᆼ ᄒ ᅡ ᆫ ᄋ ᅧ ᆷᄉ ᅢ ᆨᄀ ᅩ ᆼᄌ ᅥ ᆼᄋ ᅦᄉ ᅥ ᄉ ᅮᄌ ᅵ ᆸᄃ ᅬ ᆫ ᄌ ᅡᄅ ᅭᄅ ᅳ ᆯ ᄋ ᅵᄋ ᅭ ᆼ ᄒ ᅡᄋ ᅧ ᄎ

ᅥ ᆫᄋ ᅦ ᄋ ᅧ ᆷᄅ ᅭᄀ ᅡ ᄀ ᅩᄎ ᅡ ᆨᄃ ᅬᄂ ᅳ ᆫ ᄃ ᅦ ᄋ ᅧ ᆼᄒ ᅣ ᆼᄋ ᅳ ᆯ ᄁ ᅵᄎ ᅵᄂ ᅳ ᆫ ᄇ ᅧ ᆫᄉ ᅮᄅ ᅳ ᆯ ᄑ ᅡᄋ ᅡ ᆨᄒ ᅡᄋ ᅧ ᄋ ᅧ ᆷᄎ ᅡ ᆨᄀ ᅩ ᆨᄉ ᅥ ᆫ ᄋ ᅨᄎ ᅳ ᆨ ᄆ ᅩᄒ ᅧ ᆼᄋ ᅳ ᆯ ᄀ ᅢᄇ ᅡ ᆯᄒ ᅡᄀ ᅩᄌ ᅡ ᄒ ᅡ ᆫᄃ ᅡ. ᄇ ᅮ ᆫ ᄉ ᅡ ᆫ ᄇ

ᅮ ᆫᄉ ᅥ ᆨᄀ ᅪ ᄉ ᅡ ᆼ ᄀ ᅪ ᆫᄇ ᅮ ᆫᄉ ᅥ ᆨᄋ ᅳ ᆯ ᄋ ᅵᄋ ᅭ ᆼ ᄒ ᅡᄋ ᅧ ᄉ ᅳ ᆼᄋ ᅩ ᆫᄉ ᅩ ᆨ ᄃ ᅩᄋ ᅪ ᄋ ᅲᄌ ᅵᄉ ᅵᄀ ᅡ ᆫᄋ ᅳ ᆯ ᄑ ᅩᄒ ᅡ ᆷᄒ ᅡ ᆫ ᄋ ᅧ ᆷᄉ ᅢ ᆨᄀ ᅩ ᆼᄌ ᅥ ᆼᄋ ᅦᄉ ᅥ ᄉ ᅡᄋ ᅭ ᆼᄃ ᅬ ᆫ ᄋ ᅧᄅ ᅥ ᄇ ᅧ ᆫᄉ ᅮᄃ ᅳ ᆯ ᄋ ᅴ ᄐ ᅳ ᆨᄉ ᅥ ᆼ ᄀ

ᅪ ᄋ ᅧ ᆫᄀ ᅪ ᆫᄉ ᅥ ᆼᄋ ᅳ ᆯ ᄑ ᅡᄋ ᅡ ᆨᄒ ᅡ ᆫ ᄀ ᅧ ᆯᄀ ᅪ ᄉ ᅢ ᆨᄉ ᅡ ᆼᄋ ᅴ ᄂ ᅩ ᆼ ᄃ ᅩᄋ ᅦ ᄄ ᅡᄅ ᅳ ᆫ ᄎ ᅡᄋ ᅵᄀ ᅡ ᄋ ᅵ ᆻᄂ ᅳ ᆫ ᄀ ᅥ ᆺᄋ ᅳᄅ ᅩ ᄂ ᅡᄐ ᅡᄂ ᅡ ᆻᄃ ᅡ. ᄐ ᅳ ᆨ ᄒ ᅵ, ᄉ ᅳ ᆼᄋ ᅩ ᆫᄉ ᅩ ᆨ ᄃ ᅩᄂ ᅳ ᆫ ᄌ ᅮ ᆼᄉ ᅢ ᆨᄋ ᅦ ᄉ

ᅥ ᄀ ᅵ ᆯᄋ ᅵᄋ ᅪ ᄋ ᅣ ᆼᄋ ᅴ ᄉ ᅡ ᆼ ᄀ ᅪ ᆫ ᄋ ᅵ ᄋ ᅵ ᆻᄋ ᅥ ᆻᄋ ᅳᄆ ᅧ, ᄂ ᅩ ᆼᄉ ᅢ ᆨᄋ ᅦᄉ ᅥᄂ ᅳ ᆫ ᄌ ᅮ ᆼ ᄅ ᅣ ᆼᄀ ᅪ ᄋ ᅳ ᆷ ᄋ ᅴ ᄉ ᅡ ᆼ ᄀ ᅪ ᆫ ᄋ ᅵ ᄋ ᅵ ᆻᄂ ᅳ ᆫ ᄀ ᅥ ᆺᄋ ᅳᄅ ᅩ ᄂ ᅡᄐ ᅡᄂ ᅡ ᆻᄃ ᅡ. ᄋ ᅲᄌ ᅵᄉ ᅵᄀ ᅡ ᆫᄋ ᅳ ᆫ ᄉ ᅢ

ᆨᄉ ᅡ ᆼᄀ ᅪ ᄌ ᅮ ᆼ ᄅ ᅣ ᆼ, ᄀ ᅵ ᆯᄋ ᅵᄅ ᅳ ᆯ ᄋ ᅵᄋ ᅭ ᆼ ᄒ ᅡ ᆫ ᄌ ᅮ ᆼᄉ ᅥ ᆫᄒ ᅧ ᆼᄒ ᅬᄀ ᅱ ᄆ ᅩᄒ ᅧ ᆼᄋ ᅳᄅ ᅩ ᄋ ᅨᄎ ᅳ ᆨ ᄋ ᅵ ᄀ ᅡᄂ ᅳ ᆼ ᄒ ᅡ ᆫ ᄆ ᅩᄒ ᅧ ᆼᄋ ᅳ ᆯ ᄌ ᅦᄋ ᅡ ᆫᄒ ᅡ ᆯ ᄉ ᅮ ᄋ ᅵ ᆻᄋ ᅥ ᆻᄋ ᅳᄂ ᅡ, ᄉ ᅳ ᆼᄋ ᅩ ᆫᄉ ᅩ ᆨ ᄃ

ᅩᄂ ᅳ ᆫ ᄀ ᅵ ᆯᄋ ᅵ, ᄌ ᅮ ᆼ ᄅ ᅣ ᆼ, ᄉ ᅢ ᆨᄉ ᅡ ᆼᄋ ᅳ ᆯ ᄑ ᅩᄒ ᅡ ᆷᄒ ᅡ ᆫ ᄆ ᅩᄒ ᅧ ᆼᄋ ᅳᄅ ᅩ ᄋ ᅲᄋ ᅴᄒ ᅡᄂ ᅡ ᄋ ᅨᄎ ᅳ ᆨ ᄆ ᅩᄒ ᅧ ᆼᄋ ᅳᄅ ᅩ ᄒ ᅪ ᆯᄋ ᅭ ᆼ ᄒ ᅡᄀ ᅵᄋ ᅦᄂ ᅳ ᆫ ᄉ ᅥ ᆯᄆ ᅧ ᆼᄅ ᅧ ᆨᄋ ᅵ ᄂ ᅡ ᆽᄋ ᅡ ᆻᄃ ᅡ.

ᅮᄋ ᅭᄋ ᅭ ᆼ ᄋ ᅥ: ᄀ ᅡ ᆷᄋ ᅩ ᆫ ᄉ ᅵᄀ ᅡ ᆫ, ᄉ ᅳ ᆼᄋ ᅩ ᆫ ᄉ ᅵᄀ ᅡ ᆫ, ᄉ ᅳ ᆼᄋ ᅩ ᆫᄉ ᅩ ᆨ ᄃ ᅩ, ᄋ ᅧ ᆷᄎ ᅡ ᆨᄀ ᅩ ᆨᄉ ᅥ ᆫ, ᄋ ᅲᄌ ᅵᄉ ᅵᄀ ᅡ ᆫ, ᄌ ᅮ ᆼᄉ ᅥ ᆫᄒ ᅧ ᆼᄒ ᅬᄀ ᅱᄇ ᅮ ᆫᄉ ᅥ ᆨ, ᄑ ᅩ ᆯ ᄅ ᅵᄋ ᅦᄉ ᅳᄐ ᅦᄅ ᅳ.

1. 서론

ᅦ계 ᄉᆷ유패ᄉᆫ 시ᄌᆼᄋᆫ 2015ᄂᆫ 기즈로 ᄋᆫᄀᆫ 2,000조ᄋ ᅲ모ᄅ ᅩ이고 ᄋᆻ고, 개 시ᄌᆼ 또ᄒᆫ ᄋᆫᄀ 25ᅩ유모의 시ᄌᆼ규모로이고 ᄋᆻ으며, 우리나라ᄂᆷ유패ᄉᆫ 뱌에서 ᄒᆫ재 세계 6위의 ᄉᆷ유수ᄎᆯᄀ

ᅵ자, 세계 4위의 ᄉᆷ유기ᄉᆯ그로 수ᄎᆯ 134ᄋᆨᄇᆯ, ᄋᆸ체수 1ᄆᆫ 6ᄎᆫ여 ᄋᆸ체, 고ᄋᆼ 25ᆫᄆᆼ ᄌᆼ도라지하ᄀ

ᆻ내표ᄌᆨ 뿌리 ᄉᆫᄋᆸ이다 (Park, 2016).

ᅡ지ᄆᆫ 우리나라에서 노ᄃᆼᄌᆸᄋᆨᄌᆨ ᄉᆷ유ᄉᆫᄋᆸ아ᄋᆼ ᄉᆫᄋᆸ으로 ᄋᆫᄉᆨ하고 ᄋᆻ다. 그리고 IT와ᄂᆯ로 ᄉ

ᆫᄋᆹᄂᆫᄋᆸ이라ᄂ ᆫᄀᆫᄋᆽᄂᆼ우가 ᄆᆭ다. 그러나 ᄎᆫ Industry 4.0ᅴ ᄉᆫ두 기ᄋᆸᄋᆫ ᄃᆨᄋᆯ의 대표ᄌ

ᅳ포츠의류 기ᄋᆸᄋᆫ 아디다스내도게서 ᄉᆼᄉᆫ하고 ᄋᆻᄂᆫ ᄀᆼᄉᆯ비ᄅᆯ ᄃᆨᄋᆯ로 이ᄌᆫ하여 ᄉᆫᄉᆼ기ᄉᆯ, IoT

ᆯ, ᄉᆼ시시스ᄐᆷ 기ᄉᆯ ᄃᆼᄋᆯ ᄋᆸᄒᆫ 스마트ᄑᆨ토리루차ᄋᆻ다. 우리나라의 ᄉᆷ유ᄉᆫᄋᆸ에서도 스마ᄐ

ᆨ토리 구ᄎᆨᄋ ᅱ해서 보ᄀᆸ ᄆᆫ 사ᄋᆸ우ᄌᆫ하고 ᄋᆻ으나, 스마트ᄀᆼ의 수ᄌᆫᄇᆯ ᄌᆼ의 따ᄅᆫ (ᆫᄋᆸᄐ

ᆼ자우의 스마트ᄀᆼ 4ᄃᆫ계 뷰 : 기초, ᄌᆫ1, ᄌᆫ2, 고도화ᄃᆫ계) 기초ᄃᆫ계에 머머 ᄋᆻ다. 또ᄒ Bae ᄃᆼ (2016)ᅴ 보고서에 의하ᄆᆫ, 우리나라 제조ᄋᆸ의 스마트ᄀᆼ ᄋᆫᄋᆼᄉᆯ태 조사에서도 아ᄌᆨ까지 제ᄌ

ᆯᄒᆼ ᄃᆫ계의 MES (manufatruring exeution system) 또ᄂᆫ POP (point of prodution)ᅡ 대부비며,

ᆨ데이타리ᄇᆫᄒᆫ 사ᄆᆯᄋᆫ터ᄂᆺ (IoT)기ᄉᆯ이ᄒᆫ ᄀᆺ으로 보고되고 ᄋᆻ다.

ᅵ ᄉᆷ유ᄉᆫᄋᆸᄋ ᅳ트ᄅᆷ 구조로 이루어져 ᄋᆻ네, ᄋᆸ스트ᄅᆷ (아, ᄇᆼᄌᆨᄀᆼᄌᆼ ᄉᆫᄋᆸ), 미드트ᄅᆷ (ᄌ

ᆨ, 제ᄌᆨ, ᄋᆷᄉᆨ, 가ᄀᆫᄋᆸ), 다으트ᄅᆷ (베ᄉᆫᄋᆸ) 드로 이루어져 ᄋᆻ다. 그 제 ᄋᆷᄉᆨᄀᆼᄌᆼᄉᆫᄋᆸ에서 ᄀ

ᄇ ᅩ ᆫ ᄋ ᅧ ᆫᄀ ᅮᄂ ᅳ ᆫ ᄒ ᅡ ᆫᄀ ᅮ ᆨ ᄋ ᅦᄂ ᅥᄌ ᅵᄀ ᅵᄉ ᅮ ᆯᄑ ᅧ ᆼᄀ ᅡᄋ ᅯ ᆫ ᄋ ᅴ ᄋ ᅦᄂ ᅥᄌ ᅵᄀ ᅵᄉ ᅮ ᆯ ᄀ ᅢᄇ ᅡ ᆯᄉ ᅡᄋ ᅥ ᆸᄋ ᅴ ᄌ ᅵᄋ ᅯ ᆫᄋ ᅳ ᆯ ᄇ ᅡ ᆮᄋ ᅡ ᄋ ᅧ ᆫᄀ ᅮᄃ ᅬᄋ ᅥ ᆻᄋ ᅳ ᆷ (2016202010810).

1

(41706) ᄃ ᅢᄀ ᅮ ᄀ ᅪ ᆼᄋ ᅧ ᆨᄉ ᅵ ᄉ ᅥᄀ ᅮ ᄃ ᅡ ᆯᄉ ᅥᄎ ᅥ ᆫᄅ ᅩ 92, ᄃ ᅡᄋ ᅵᄐ ᅦ ᆨᄋ ᅧ ᆫᄀ ᅮᄋ ᅯ ᆫ ᄉ ᅵ ᆫᄉ ᅡ ᆼᄑ ᅮ ᆷ ᄀ ᅢᄇ ᅡ ᆯᄉ ᅦ ᆫᄐ ᅥ ᄀ ᅳᄅ ᅮ ᆸ ᄌ ᅡ ᆼ.

2

(38541) ᄀ ᅧ ᆼᄉ ᅡ ᆼᄇ ᅮ ᆨ ᄃ ᅩ ᄀ ᅧ ᆼᄉ ᅡ ᆫᄉ ᅵ ᄃ ᅢᄒ ᅡ ᆨᄅ ᅩ 280, ᄋ ᅧ ᆼᄂ ᅡ ᆷᄃ ᅢᄒ ᅡ ᆨᄀ ᅭ ᄐ ᅩ ᆼ ᄀ ᅨᄒ ᅡ ᆨᄀ ᅪ ᄀ ᅧ ᆷᄋ ᅵ ᆷᄀ ᅭᄉ ᅮ.

3

(38541) ᄀ ᅧ ᆼᄉ ᅡ ᆼᄇ ᅮ ᆨ ᄃ ᅩ ᄀ ᅧ ᆼᄉ ᅡ ᆫᄉ ᅵ ᄃ ᅢᄒ ᅡ ᆨᄅ ᅩ 280, ᄋ ᅧ ᆼᄂ ᅡ ᆷᄃ ᅢᄒ ᅡ ᆨᄀ ᅭ ᄐ ᅩ ᆼ ᄀ ᅨᄒ ᅡ ᆨᄀ ᅪ ᄉ ᅥ ᆨᄉ ᅡᄀ ᅪᄌ ᅥ ᆼ.

4

ᄀ ᅭᄉ ᅵ ᆫᄌ ᅥᄌ ᅡ: (38541) ᄀ ᅧ ᆼᄉ ᅡ ᆼᄇ ᅮ ᆨ ᄃ ᅩ ᄀ ᅧ ᆼᄉ ᅡ ᆫᄉ ᅵ ᄃ ᅢᄒ ᅡ ᆨᄅ ᅩ 280, ᄋ ᅧ ᆼᄂ ᅡ ᆷᄃ ᅢᄒ ᅡ ᆨᄀ ᅭ ᄐ ᅩ ᆼ ᄀ ᅨᄒ ᅡ ᆨᄀ ᅪ ᄀ ᅭᄉ ᅮ.

E-mail: [email protected]

(2)

ᆼ 프로세스ᄂᆫ처리, ᄋᆷᄉᆨ, 가ᄀᆼ, ᄀᆷ사 스로 이루어지며, ᄋᆷᄉᆨ 프로세스ᄂᆷᄎᆨᄀᆨᄉᆫ이라ᄂᆫ ᄀᆨᄉᆫ ᄀ

ᅢ프로 표ᄒᆫ두 ᄋᆻ다. ᄋᆷᄎᆨᄀᆨᄉᆫᄋᆷ료레ᄌᆨᄃᆫ (woven; ᄉᆷ유ᄆᆯᄉᆼ의 사(絲)레ᄌᆨ(製織) ᄒᆼ태,

ᆼ사와 위사로 교차하여 짜여ᄌᆫ 포(布)의 ᄒᆼ태)에 고ᄎᆨ시키기 위해서 ᄋᆷᄉᆨ기 ᄌᆨᄋᆸ조ᄀᆫ (시ᄀᆫ-오)ᄋ

ᅳ래프로 나타ᄂᆫ ᄀᆺᄋᆯ ᄋᆯᄏᆮ나.

ᆯ제 ᄋᆷᄉᆨᄀᆼ에서ᄂ ᆷᄎᆨᄀᆨᄉᆫᄋ ᆷ고하여 ᄉᆯᄌᆼᄃ ᆷᄉᆨ기의 오와 ᄌᆨᄋᆸ시ᄀᆫ에 따라 ᄋᆷᄉᆨ이 ᄌᆫᄒᆼᄃ

ᅧ, ᄋᆷᄉᆨ ᄇᆼ이 ᄇᆯᄉᆼ되ᄋᆻᄋ ᅢ ᄃᆷᄃᆼ자가 재ᄋᆷ (다시 ᄋᆷᄉᆨᄌᆨᄋᆸ)ᄋ ᅡ게 되네 ᄌᆨᄋᆸ자의 노하우 ᄆᆾ ᄀ

ᆫᄌᆨ ᄂᆼᄅᆨ에 따라 ᄋᆷᄉᆨ의 ᄑᆷᄌᆯ이 ᄃᆯ라ᄌᆫ다. 이러ᄒᆫ 메ᄌᆷ애ᄀᆯ하기 위해서 ᄋᆷᄉᆨ에 죠ᄒᆫ ᄀᆼᄌᆼ요ᄉ (ᄋᆷᄉᆨ기 ᄌᆨᄋᆸ조ᄀᆫ)의 표좌가 ᄑᆯ요ᄒᆫ ᄀᆺ이다. 이러ᄒᆫ 표ᄌᆨᄋᆸ조ᄀᆫᄋᆫ디 위해서 ᄉᆯ제 ᄋᆷᄉᆨᄀ

ᆼ의 ᄋᆷᄉᆨᄀᆼᄌᆼ과ᄌᆼ DB (data base)루ᄌᆸ하여 ᄋᆷᄎᆨᄀᆨᄉᆫ에 ᄋᆼᄒᆼ이치ᄂᆫ수돠 계ᄅᆫ구ᄒ

ᅩ자 ᄒᆫ다.

ᆫ구에서ᄂᆫ 피에스테르 (polyester; 에스테르 ᄀᆯᄒᆸᄋ ᆽᄂ ᅩ바로부터 제ᄌᆷ유로서 의ᄅ

ᅩ재로 다ᄋᆼ하ᄀᆼᄇᆷ위하게 사외고 ᄋᆻᄂᆷ유) ᄉᆷ유 소재 ᄆᆯᄉᆼ의 ᄎᆫ이ᄋᆫ ᄋᆷᄉᆨ ᄀᆼᄌᆼ 데이터 (ᄑ

ᅵ에스테르 소재 ᄆᆯᄉᆼ의 ᄎᆫ의 ᄋᆷᄉᆨᄋᆫ ᄋᆯᄇᆫᄌᆨ으로 래피드 ᄋᆷᄉᆨ기ᄀᆯ외고 ᄋᆻ으며, 래피드 ᄋᆷᄉᆨ기ᄂ

ᆨ되ᄂ ᆫ ᄌᆼ에 따ᄅᆫ 우의 ᄋᆼᄋ ᅴ미하ᄂᆫ 이가 ᄋᆯᄇᆫᄌᆨ으로 1:7∼1:10 ᄌᆼ도 ᄇᆯᄉᆼᄃᆷ. ᄎᆫ 1kgᄋ

ᆷᄉᆨ하네 ᄆᆯ 7L∼10Lᅡ 소ᄋᆷ. 이에 ᄆᆽ춰 ᄉᆺᄐᆼ 되ᄆᆫ ᄋᆯᄋ (ᅳᄐᆷ)ᄋᆯ 태 오ᄅᆼ시키며 최ᄃ 130℃ᅡ지 ᄉᆼᄉᆼᄋ ᅲ지시ᄏᆫ 후 ᄂᆼᄀᆨ시키고, 수세과ᄌᆼᄋ ᅥ치ᄂᆫ ᄀᆼᄌᆼᄋᆯ ᄋᆯᄏᆮᄋᆷ)ᄅ ᅮᄌᆸ하여 ᄋᆷᄎᆨᄀᆨᄉ (ᄎᆫ에 ᄋᆷ료로ᄎᆨ시키기 위해서 ᄋᆷᄉᆨᄀᆼᄌᆼᄇᆯ ᄌᆨᄋᆸ패ᄐᆫᄋᆯ 오와 ᄌᆨᄋᆸ시계로 나타ᄂᆫ ᄀᆨᄉᆫ 그래프)

ᆯ 오와 시ᄀᆫ에 미치ᄂᆫ ᄀᆼᄌᆼ요소ᄅᆷ수로 사아여 예초ᄒᆼ애ᄇᆯ하네 ᄆᆨᄌᆨ이 ᄋᆻ다.

2. 자료 수집 및 분석방법

ᆷᄉᆨᄀᆼᄌᆼ과ᄌᆼᄋᆫ ᄐᆫ에서 소ᄅᆼ의 ᄎᆫᄋ ᆷᄉᆨ해서 ᄋᆮᄂᆫ ᄉᆯᄒᆷ데이터와 ᄉᆯ제 ᄋᆷᄉᆨᄀᆼ에서 수ᄌ

ᅬᄂ ᆷᄉᆨᄀᆼᄌᆼ과ᄌᆼ의 자료나이가 크다. ᄉᆯ제 ᄋᆷᄉᆨᄀᆼ의 ᄀᆼᄌᆼ과ᄌᆼ에서 수ᄌᆸ되네이터리아ᄋ

ᅵ에스테르 ᄋᆷᄉᆨᄀᆼᄌᆼ의 ᄋᆷᄎᆨᄀᆨᄉᆫ 패ᄐᆫ ᄌᆼ보ᄅᆯ ᄇᆫᄉᆨ하고자 ᄒᆫ다. A ᄋᆸ체의 래피드 ᄋᆷᄉᆨ기라아ᄋ 2016ᄂᆫ 5ᄋᆯ 1ᄋᆯ에서 6ᄋᆯ 30ᄋᆯ까지의 ᄋᆷᄉᆨ과ᄌᆼ ᄌᆼ 116ᅢ의 ᄀᆼᄌᆼ에서 25,419개의 데이터루ᄌᆸ하ᄋᆻ다.

ᅵ에스테르 ᄎᆫ듸 ᄋᆷᄉᆨ 패ᄐᆫᄋᆯ ᄇᆫᄉᆨ하기 위해 ᄎᆨᄌᆼᄃᆫ ᄎᆼ 116ᅢ ᄀᆼᄌᆼ듸 ᄋᆷᄎᆨ패ᄐᆫ 그래프리ᄋ

ᅧ ᄀᆼᄌᆼ이 ᄌᆼᄉᆼᄌᆨ으로 ᄌᆫᄒᆼ되지 ᄋᆭᄋ ᅦ이터와 ᄀᆼᄌᆼ ᄇᆼ 데이터ᄂᆫ ᄇᆫᄉᆨ에서 제외하ᄋᆻ다. ᄋᆯᄇᆫᄌᆨ으ᄅ

ᅵ에스테르 ᄉᆷ유의 ᄋᆷᄉᆨᄋᆫ Figure 2.1ᅪ ᄀᇀ애ᄐᆫᄋᆽ나. Figure 2.1ᄋᆫ ᄀᆼᄌᆼᄇᆯ 소요시ᄀᆫ에 따ᄅ

ᅩ의 ᄇᆫ화라타ᄂᆫ 그래프이며 116개 ᄀᆼᄌᆼ듸 시ᄀᆫ과 오에 대ᄒᆫ 그래프리아여 ᄀᆼᄌᆼ이 ᄌ

ᅬ거나 ᄌᆼᄉᆼᄌᆨ으로 ᄋᆷᄉᆨ이 ᄌᆫᄒᆼ되지 ᄋᆭᄋᆫ ᄀᆼᄌᆼ아ᄋᆨ하ᄋᆻ다. 또ᄒᆫ ᄋᆯᄇᆫᄌᆨ으로 피에스테르 ᄋᆷᄉᆨᄀᆼᄌ

ᅴ ᄋᆷᄎᆨᄀᆨᄉᆫ 패ᄐᆫ 그래프ᄂᆷᄉᆨ오가 ᄉᆼ사누ᄀᆫ, 유지하누ᄀᆫ, 하ᄅᆨ하누ᄀᆫ으로 구ᄉᆼ되며 ᄉ

ᅮᄀᆫ오ᄐᆼ 50℃∼130℃,ᅲ지 구ᄀᆫᄋᆫ 130℃ ᄌᆫ 후에서 유지되며 하ᄅᆨ의 오가 나타ᄂᆫ다. ᄉᆼᄉ

ᆫ, 유지 구ᄀᆫ, 하ᄅᆨ 구ᄀᆫ의 기제 크게 차이로이ᄂᆷᄎᆨᄀᆨᄉᆫ 패ᄐᆫ 그래프와 3구ᄀᆫ으로 구뵈지 ᄋ

ᅳ래프라ᄌᆫ ᄀᆼᄌᆼᄋᆫ ᄇᆫᄉᆨ에서 제외하ᄋᆻ다. 그 ᄀᆯ과 ᄎᆼ 116ᅢ의 ᄋᆷᄉᆨᄀᆼᄌᆼ 데이터 ᄌᆼ 29ᅢ의 ᄀᆼᄌᆼᄋ

ᅦ외되어 87개의 ᄋᆷᄉᆨᄀᆼᄌᆼ 데이터라아ᄋᆻ다. ᄋᆷᄉᆨᄀᆼᄌᆼ 데이터ᄂᆷᄉᆨ시ᄀᆫ(ᄇᆫ)ᅦ 따라 ᄎᆨᄌᆼ되어 ᄋ

ᅥ ᄋᆷᄎᆨᄀᆨᄉᆫ패ᄐᆫ ᄇᆫᄉᆨ위해 ᄋᆷᄉᆨᄀᆼᄌᆼ ᄃᆫ계ᄇᆯ로 오1에서 오4까지ᄅᆸ씨로 기라ᄋᆻ다.

ᅩ1ᄋ ᅢᄐᆫ의 시ᄌᆨ 오, 오2ᄂ ᆼ시 까ᄂᆫ 오, 오3ᄋ ᅢᄐᆫ의 유지가 까ᄂᆫ 오, ᄋ

ᅩ4ᄂ ᅢᄐᆫ의 하ᄅᆨ 오로 ᄌᆼ의하ᄋᆻ다. ᄀᆨ ᄋᆷᄎᆨᄀᆨᄉᆫ 패ᄐᆫ마다 오 ᄇᆫ화에 따라 ᄉᆼ이ᄀᆫ (tempera- ture rising time),ᅲ지시ᄀᆫ (maintaining time), ᄀᆷ이ᄀᆫ (temperature falling time)ᄅ ᆼ리하ᄋᆻᄋ

ᅧ, 이 ᄌᆼ ᄉᆼ이ᄀᆫ과 ᄀᆷ이ᄀᆫᄋᆫ 1ᄇᆼ ᄉᆼ소나ᄅᆨ오례ᄉᆫ하여 ᄉᆼᄋᆫ소와 ᄀᆷᄋᆫ소례ᄉᆫᄒ

ᆻ으며 초요 시ᄀᆫ (ᄇᆫ)ᅪ 포ᄉᆨ (yd/ᄇᆫ)우가하ᄋᆻ다. ᄋᆷᄉᆨ ᄉᆨᄉᆼ어무 쥬가 ᄆᆭ고 다ᄋᆼ하여 ᄂᆼᄉᆨ,

ᆼᄉᆨ, ᄋᆫᄉᆨ의 3가지 ᄇᆷ주로 뷰하ᄋᆻ다. ᄂᆼᄉᆨ, ᄌᆼᄉᆨ, ᄋᆫᄉᆨ의 뷰기ᄌᆫᄋᆫ ᄋᆫ 무게ᄅᆷᄋᆫᄒᆫ ᄋᆷ료 투ᄋ

수치

Table 2.1 Variables affecting the exhaust curve
Table 3.1 Descriptive statistics for dyeing process
Table 3.2 Descriptive statistics of dyeing process variables for each color
Table 3.3 Correlation analysis for light color
+5

참조

관련 문서

A Study on Square Pore Shape Discrimination Model of Scaffold Using Machine Learning Based Multiple Linear Regression.. Song-Yeon Lee * and Yong Jeong

Keyword:Data Envelopment Analysis, Assurance Region, Analytic Hierarchy Process, Multiple Regression Analysis, Regional Corporation... of staff, total student enrollment,

A Study on the Optimization of Multiple Injection Strategy for a Diesel Engine using Grey Relational Analysis and Linear Regression Analysis.. Sookyum Kim, Seungchul Woo, Woong

Keywords: 위성영상 (satellite imagery), 일사량 (Solar irradiation), 발전량 (Power generation), 회귀 모델 (Regression model), Gompertz 곡선

Keywords : Weight estimating model(중량 추정 모델), Offshore structure(해양 구조물), Non-linear regression analysis(비선형 회귀 분석), Multiple

Development of Ridge Regression Model of Pollutant Load Using Runoff Weighted Value Based on Distributed Curve-Number.. 송철민 * ・

Development of Naïve-Bayes classification and multiple linear regression model to predict agricultural reservoir storage rate based on weather forecast data Kim, Jin UkaㆍJung,