제조 AI Use Case
자동차부품 사출공정 데이터 분석 및 AI 적용사례

한국몰드 배너.png

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

데이터 형태.png

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 수집 및 저장.png

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)
데이터 전처리 및 분석.png

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
기대효과.png

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

 

03

해결 방법

H/W 구성도(사출 공장 분석 부분)

H-W 구성도 (사출 공장 분석 부분).png

H/W 구성도(사출 불량 분석 부분)

H-W 구성도(사출 불량 분석 부분).png

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)

추가 데이터 수집 및 활용 (스마트 금형 데이터).png





 
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.

데이터 품질 지수.png





 
③ 분석 모델 개발 (불량 예측 AI 모델 개발)
 
지도 학습 모델 활용 (Supervised Learning)

지도 학습 모델 활용 (Supervised Learning).png

세미 지도 학습 모델 활용 (Semi-Supervised Learning)

세미 지도 학습 모델 활용 (Semi-Supervised Learning).png

강화 학습 모델 활용 (Deep Learning) – 스마트 금형 데이터

강화 학습 모델 활용 (Deep Learning) – 스마트 금형 데이터.png

 

강화 학습 모델 활용 (Deep Learning) – 스마트 금형 데이터2.png





 
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.

메인 대쉬보드.png


[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.png


[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 2.png


[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

생산 분석 3.png


[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.png



[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

품질 분석 2.png



[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

레시피 분석.png

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
 
정량적효과

기대효과.png

· 개별 생산품 데이터 추적으로 생산품 단위의 AI분석이 가능해져 시간당 생산량 38UPH에서 43UPH로 증가
· 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
Contact our team

인터엑스에서 제조AI와 빅데이터분석을 통한 새로운 가능성을 경험해 보세요.

      • 개인 정보 수집 정책 (Privacy Policy)*

        개인 정보 보호 정책
        최종 수정 날짜: 2020년 2월 6일
        ① 개인정보 수집이용에 대한 동의
        고객님의 소중한 개인정보는 다음과 같은 정책에 따라 수집 및 이용됩니다.
        인터엑스에서는 해당 목적에 연관되는 개인정보만을 수집하며, 수집된 정보를 투명하고 안전하게 보호 관리할 것을 약속하며 이에 개인정보 수집및 이용에 대한 동의를 구합니다.

        ② 개인정보의 수집·이용 목적
        고객님의 문의에 대한 정보가 보다 정확한 답변을 위해 수집됩니다.

        ③ 수집항목
        필수항목: 성함, 소속, 연락처, 이메일 주소, 문의분야, 문의사항

        ④ 보유이용기간
        원칙적으로, 개인정보 수집 및 이용목적이 달성된 후에는 해당 정보를 지체 없이 파기합니다.


Top