AI 기반 성형 공정 라인 최적화 모델 도출 실증 사례

산업 특성 측면

- 원자재 특성에 따른 압력, 온·습도 등 환경 요인과 생산 효율 간 인과관계 분석 및 표준화가 요구됨.

- 고압 성형 공정의 높은 가동률과 생산량 대비 품질 편차 및 높은 불량률로 인한 수율 저하 문제 존재.

데이터 및 시스템 측면

- MES 기반 데이터 수집 이후 고숙련자의 경험 및 주관적 판단 의존 개선 필요.

- 불량 발생 시 원인 규명 및 설비 세팅 조정 기준 부재.

설비 및 인프라 측면

- 고압 성형 공정 표준 작업 도출 및 설비 세팅 값 가이드라인 부재.

- 불량 유형과 주요 변수 간 상관 관계 분석의 필요성.

- 데이터 기반 공정 최적화 및 신속 피드백 체계 마련의 필요성.

2. AI Solution

임픽스 A2LAB AI 솔루션

- EDA(탐색적 자료 분석)와 결측치 제거, SMOTE 기반 오버샘플링을 통한 불량 데이터 학습 성능 개선.

- MES 및 센서 데이터를 활용한 실시간 데이터 연계 및 AI 분석 자동화.

- AI 기반 공정 시뮬레이션, 시각화, 최적 설비 세팅 값 제공을 통해 End-user가 쉽게 활용 가능한 구조로 구축.

3. 구축 목표

세부목표

- AI 기반 데이터 분석을 통한 고압성형 공정 최적화 및 표준화 추진.

- 데이터 기반 의사결정 체계 구축 통한 불량 발생 원인 규명 및 개선 기반 마련.

- 품질 및 수율 개선 통한 경쟁력 있는 지능형 스마트공장 기반 마련.

- 전사적 확산 및 타 공정·공장 적용 가능성 검증 기반 확보.

4. 구축 내용

데이터 통합 관리

- MES, 센서, 수기 데이터를 통합하여 AI 분석용 데이터셋 구축 및 관리.

AI 기반 분석 및 모델링

- 변수와 품질 간 상관관계 분석 및 주요 변수 도출.

- XGBoost 기반 공정 최적화 모델 구축 및 검증.

시뮬레이션 및 현장 적용

- VM 서버 및 BI Tool 기반 분석·시뮬레이션 기능 구축.

- 공정 시뮬레이션 기능 통한 설비 세팅값 조정 전 품질 및 수율 예측 기능 활용.

 

5. 구축 효과

월간 생산량 증가

 5,087 EA → 6,899 EA

공정 불량률 감소

 33.0% → 14.0%