제조 AI Use Case
정밀화학 공정 데이터 분석 및 AI 적용사례

K사 배너.png

정밀화학 공정 데이터 분석 및 AI 적용 사례

자율 공정 운영 AI 구축으로 PQCD 향상과 AI지식 자산화, 그리고 비가동 및 품질 부적합 손실 최소화를 목적으로 추진한 AI사례입니다.
[프로젝트 기간: 2020년 6월 1일 ~ 2021년 2월 21일]

✔ Key word : 정밀화학, 불량예측, 품질개선, 생산조건 최적화, 강화학습 / 세미강화학습

수행기관 수요기업 "K"사
공급기업 (주) 인터엑스
대상 공정 정밀화학제품 공정
업종 화학(기타 기초유기화학물질 제조업)
문제점 정의 생산공정의 불량률 증가로 생산성 저하 및 품질 관리 비용 증가
목적 실시간 공정 데이터 수집 및 분석으로 불량 최소화, 생산조건 최적화, AI 지식 자산화
데이터 포맷 및 수집방법 DMS, PLC, Sensor
데이터 형태

데이터형태.png

분석 · 불량 분석(Defect Analysis) – 현상, 예측, 원인 분석 → 사전 불량 예측 및 빠른 조치
· 생산 조건 분석(Recipe Analysis) – 현상, 최적화, 원인 분석 → 생산 조건 최적화 운영
· 설비 이상 분석(Equipment Analysis) – 현상, 원인 분석 → 설비 이상에 의한 정지 최소화
결과 · 현상 분석을 통한 우선 관리 대상 선정
· 원인 분석을 통한 빠른 조치 및 근본 원인 제거
· 예측 분석을 통한 대량(Lot) 불량 및 손실 제거

데이터 수집 및 저장

  • 분석용 공정 데이터셋 표준화 (45~70 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

  • 제품 불량 예측 및 원인 분석
  • 초기 작업 셋팅 최적화 분석
  • 설비 이상 분석 (설비 가동 현상 분석)
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 수집으로
    제조 데이터 기반 의사결정 강화

기대효과.png

01

기업소개

["K"사]

    - 사업 분야: 화학(기타 기초유기화학물질 제조업)
    - 대상 공정: 정밀화학제품 공정

02

문제점 분석

· 정밀화학 생산공정의 불량률 증가로 생산성 저하 및 품질 관리 비용 증가
· 불량 발생 원인 분석 어려움
· 생산 최적화 조건 분석 어려움
· 다양한 설비의 이상 현상 분석 어려움


* 더 상세한 정보는 수요기업에서 공개 불가

03

해결 방법

스마트공장(고도화)
· 스마트공장은 단순 공장 자동화가 아닌 ICT와 제조기술이 융합되어 생산에 필요한 모든 요소를 디지털화하고, 밸류 체인의 수평적 통합과 생산, 제조 단계에서 자동화, 자율화 수준의 수직적 통합의 연결을 통해
  성능을 자율적 최적화하는 공장
① 데이터 수집 및 분석 구조 정의
· 분석용 공정 데이터셋 표준화(45~70 Point)
· 전문 데이터 수집 센서 및 통신 디바이스 구축
· 데이터 수집 자동화 및 통합 시스템 구축

데이터 수집 및 분석 구조 정의.png

 
② 데이터 전처리 및 분석
· 제품 불량 예측 및 원인 분석
· 초기 작업 셋팅 최적화 분석
· 설비 이상 분석(설비 가동 현상 분석)

데이터 전처리 및 분석.png

불량 및 생산조건 최적화에 영향을 미치는 변수

불량 및 생산조건 최적화에 영향을 미치는 변수 분석.png

 
③ SW 개발 및 분석 모델 적용

[불량 분석]
전체 생산품에 대한 불량 유형 분석 및 불량 현황을 실시간으로 모니터링하여 품질효율(품질비용) 최적화, 품질불량 최소화, 개선 활동을 통한 품질능력향상, 품질 예측 및 사전예방을 할 수 있도록 지원

불량 분석.png


[설비 분석]
설비 현상 분석, 설비 원인 분석을 통하여 Data 패턴을 학습하여 설비 이상 및 열화 발생을 사전에 감지하고, 설비 문제로 발생하는 고질적인 불량 개선

설비 분석.png


[생산성 분석]
공장 전체 생산성 분석, 생산성 원인 현상 분석을 통하여 공장 운영 효율화에 필요한 내용을 실시간으로 모니터링하여 합리적인 의사결정을 지원

생산성 분석.png


[품질 분석]
품질 현황 분석 및 모니터링을 통하여 품질효율(품질비용) 최적화, 품질불량 최소화, 개선활동을 통한 품질능력향상, 품질 예측 및 사전예방을 할 수 있도록 지원


[레시피 최적화]
생산조건 최적화 분석 관리를 통하여 양품을 기대할 수 있는 최적의 레시피 범위(생산조건)를 표현하고 현재 생산조건의 변화를 실시간으로 모니터링하여 레시피와의 차이를 보여줌으로써 불량율 개선

레시피 최적화.png

SW 구성도 및 내용

SW 구성도 및 내용.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
 
  As-Is To-Be
수집 데이터 Data 수집 과정이 자동화 되어 있지 않아 AI 분석 불가능 Data 수집 장치를 추가하여 데이터 수집 자동화
생산품 데이터 추적으로 생산품 단위의 AI 분석 가능
생산 모니터링 설비 데이터가 없어 설비 모니터링 불가능 실시간으로 설비 데이터 확인 및 생산 모니터링 가능
품질 예측 생산품 단위의 품질 모니터링은 가능 하지만 설비 데이터와 품질 데이터가 매칭이 되어 있지 않아
AI 기반의 품질 예측은 불가
품질 분석을 위한 데이터 수집 추가 및 자동화 AI 분석을 활용하여 개별 생산품에 대한
물성치 및 외군 불량 예측 가능
품질 원인분석 품질 주요 변수를 찾을 수 없어 원인분석 불가능 품질에 영향을 주는 주요 인자들 추출 및 원인분석 가능
최적화 분석 설비 데이터가 없어 설비 최적화 분석 불가능 주요 인자들과 설비 데이터를 중심으로 최적화 분석 가능
정량적효과
· 실시간 데이터 확인 및 모니터링을 통해 불량을 탐지하고 원인을 제거하여 불량율 23%에서 7%로 감소
· 불량 원인 탐지, 조정을 통해 불량의 근본 원인을 제거하여 생산량 6.6 S/H에서 7.8 S/H로 증가

정량적 효과.png

05

향후 계획

· 신 공장 프레스 벤딩 공정 운영 데이터 생성 및 모델 성능 개선
· 공정 조건 데이터 증가로 모델 완성도 업을 통해 JCO 프레스 벤딩 공정 운영 자율화 체계로 혁신
· 용접 조건 최적화
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