자동차부품 사출공정 데이터 분석 및 AI 적용 사례
실시간 공정 데이터 수집 및 분석으로 PQCD 향상, AI에 자동기록 지식 자산화, 자율 공정 운영 AI 구축을 위한 사례입니다.[프로젝트 기간: 2020년 06월 01일 – 2021년 02월 26일]
✔ Key word : 사출성형(자동차 차체 및 트레일러 제조업), 사출성형기, 사출공정 12라인, 데이터 수집, 데이터 분석, 자율 공정 운영 AI
| 수행기관 | 수요기업 | ㈜ 한국몰드 |
| 공급기업 | (주) 인터엑스 | |
| 대상 공정 | 사출공정 12라인, 대상 제품 25종 | |
| 업종 | 사출성형(자동차 차체 및 트레일러 제조업) · 사출성형기 | |
| 문제점 정의 | 공정 불량 발생 및 생산성·품질·비가동에 대한 원인 분석 및 개선이 어려움 | |
| 목적 | 실시간 공정 데이터 수집 및 분석으로 PQCD 향상, AI 지식 자산화, 자율 공정 운영 AI 구축 | |
| 데이터 포맷 및 수집방법 | XML, PLC | |
| 데이터 형태 |
|
|
| 분석 | · 불량 분석(Defect Analysis) – 현상, 예측, 원인 분석 → 사전 불량 예측 및 빠른 조치 · 성형 조건 분석(Recipe Analysis) – 현상, 최적화, 원인 분석 → C/T 및 에너지 최적화 운영 · 생산성 분석(Enterprise Operating Analysis) – 현상, 원인 분석 → 비가동 최소화 및 공장 가동률 향상 |
|
| 결과 | · 불량 감소 및 근본 원인 요소 제거, 생산성 향상 | |
데이터 수집 및 저장
- 분석용 공정 데이터셋 표준화 (15~50 Point)
- 전문 데이터 수집 센서 및 통신 디바이스 구축
- 데이터 수집 자동화 및 통합 시스템 구축
- 실시간 데이터 전처리 및 데이터 품질 관리
데이터 전처리 및 분석
- 사출 성형 불량 예측 및 원인 분석
- 사출 성형 생산 조건 최적화 및 원인 분석
- 생산성 현황 및 원인 분석 (품질,비가동)
기대 효과
- 불량 감소 및 근본 원인 요소 제거
- 초기 셋팅, 생산조건 최적화 및 생산성 향상
- 생산 데이터의 신속·정확한 수집
- 제조 데이터 기반 의사결정 강화
01
기업소개
[한국몰드]
- 사업 분야: 사출금형, SMC금형- 매출액: 412억 1,648만 (2020.12. GAAP 개별)
- 대상 공정: 사출공정
02
문제점 분석
· 미성형, 가스자국 등 불량 발생 과다 (불량율 4%)
· 불량 발생 원인 분석 어려움, 조치 시간 과다 발생 (비가동 손실)
· 근본 원인 제거 및 문제 해결 지식의 자산화 부족 (반복적 문제 발생)
· 제품별, 공정별, 운영조건별 C/T 최적화 분석 및 생산성 분석 어려움
· 사출 Recipe 조건인 소재량, 온도, 압력, 속도 등의 셋팅을 경험에 의존
· 오버 C/T 및 에너지 사용으로 생산성 저하와 생산 비용 증가 발생
· 불량 발생 원인 분석 어려움, 조치 시간 과다 발생 (비가동 손실)
· 근본 원인 제거 및 문제 해결 지식의 자산화 부족 (반복적 문제 발생)
· 제품별, 공정별, 운영조건별 C/T 최적화 분석 및 생산성 분석 어려움
· 사출 Recipe 조건인 소재량, 온도, 압력, 속도 등의 셋팅을 경험에 의존
· 오버 C/T 및 에너지 사용으로 생산성 저하와 생산 비용 증가 발생
03
해결 방법
H/W 구성도(사출 공장 분석 부분)
H/W 구성도(사출 불량 분석 부분)
① 데이터 수집 및 저장
· 분석용 공정 데이터셋 표준화 (15~50 Point)· 전문 데이터 수집 센서 및 통신 디바이스 구축
· 데이터 수집 자동화 및 통합 시스템 구축
· 실시간 데이터 전처리 및 데이터 품질 관리
추가 데이터 수집 및 활용 (스마트 금형 데이터)
② 데이터 전처리 및 분석
데이터들의 5가지 품질 지수를 파악하고, 데이터 전처리를 통해 품질 지수를 향상시킨다.· 사출 성형 불량 예측 및 원인 분석
· 사출 성형 생산 조건 최적화 및 원인 분석
· 생산성 현황 및 원인 분석 (품질,비가동)
데이터 품질 지수
· 완전성(Completeness) : 필수항목에 누락이 없어야 한다.· 유일성(Uniqueness) : 데이터 항목은 유일해야 하며 중복되어 서는 안된다.
· 유효성(Validity) : 데이터 항목은 정해진 데이터 유효범위 및 도메인을 충족해야 한다.
· 일관성(Consistency) : 데이터가 지켜야 할 구조, 값, 표현되는 형태가 일관되게 정의되고, 서로 일치해야 한다.
· 정확성(Accuracy) : 실제 존재하는 객체의 표현 값이 정확히 반영이 되어야 한다.
③ 분석 모델 개발 (불량 예측 AI 모델 개발)
지도 학습 모델 활용 (Supervised Learning)
세미 지도 학습 모델 활용 (Semi-Supervised Learning)
강화 학습 모델 활용 (Deep Learning) – 스마트 금형 데이터
④ SW 개발 및 분석 모델 적용
[메인 대쉬보드]
공장 전체의 생산현황 및 양품, 불량품 예측 현황, 각 공정별 양품, 불량품 예측 현황을 모니터링하며 또한 각 공정별로 주요 인자를 설정하여 실시간으로 모니터링 할 수 있게 한다.
[생산 분석]
공장 전체 생산효율 분석, 품목별 생산성 현상 분석, 공정별 생산성 현상 분석을 통하여 공장운영 효율화에 필요한 내용을 통합적이고, 실시간으로 모니터링하여 합리적인 의사결정을 지원
[생산 분석]
품목별 불량 생산성 현상 분석, 공정별 불량 생산성 현상 분석, 불량현황 모니터링 화면을 통하여 불량 발생에 대한 손실과 문제점을 인지하고 빠르게 개선할 수 있도록 있도록 지원하며, 모니터링화면을 통하여 시급하게 해결해야 할 불량요소를 분석
[생산 분석]
품목별 생산성 원인 분석, 공정별 생산성 원인 분석 화면을 통하여 품목별, 공정별 생산성을 저하시키는 요소가 무엇인지 분석하고 생산 효율을 높일 수 있도록 도움
[품질 분석]
품목별 품질 원인 분석, 공정별 품질 원인 분석, 품목별 불량 원인 분석, 공정별 불량 원인 분석을 통하여 품질효율(품질비용) 최적화, 품질불량 최소화, 개선 활동을 통한 품질능력향상, 품질 예측 및 사전예방을 할 수 있도록 지원
[품질 분석]
품목별 품질 현상 분석, 공정별 품질 현상 분석, 품목별 불량 현상 분석, 공정별 불량 현상 분석을 통하여 품질효율(품질비용) 최적화, 품질불량 최소화, 개선 활동을 통한 품질능력향상, 품질 예측 및 사전예방을 할 수 있도록 지원
[레시피 분석]
레시피 현상 분석, 레시피 최적화 분석 관리를 통하여 양품을 기대할 수 있는 최적의 레시피 범위 (생산조건)를 표현하고 현재 생산조건의 변화를 실시간으로 모니터링하여 레시피와의 차이를 보여줌으로써 불량율 개선에 도움
04
기대 효과
· 불량 감소 및 근본 원인 요소 제거
· 초기 셋팅, 생산조건 최적화에 의한 생산성 향상
· 생산 데이터의 신속 ·정확한 수집으로 제조 데이터 기반 의사결정 강화
· 데이터 기반 의사결정 강화
· 초기 셋팅, 생산조건 최적화에 의한 생산성 향상
· 생산 데이터의 신속 ·정확한 수집으로 제조 데이터 기반 의사결정 강화
· 데이터 기반 의사결정 강화
정량적효과
· 제품별 불량 추이 확인 가능해져 완제품 불량율 4%에서 1%로 감소
· 생산량과 불량율이 감소함에 따라 제품 원가가 5% 아래로 감소
· 납기일 기존 3일에서 2.5일로 축소
05
향후 계획
[AI분석 모델 고도화]
- 금형 표면 온도, 가스 발생기 등 주변 설비 데이터 수집을 통한 AI모델 개발의 고도화[머신 비전 구축]
- 열화상 카메라가 설치된 공정에 외관 불량을 검사할 수 있는 머신 비전 시스템 구축- 가스 미성형 등의 사출품 내부 검사시스템(열화상)+기스, 가스자국 등의 사출품 외부의 검사시스템(머신비전)의 구축으로 검사 자동화 시스템 구축
정밀화학 공정 데이터 분석 및 AI...