업무와 기준 정리
공정별 기록, 작업·품목·설비 기준과 입력 담당자를 확인합니다. 데이터 보유량·품질과 LOT 매칭, 학습·시험 데이터 분리, 오탐·미탐 평가를 확인합니다. 조건 추천은 자동제어가 아닌 작업자 판단 지원입니다.
프로젝트·사례
PROJECT / 사출 제조 AI
자동차부품 사출업체 · AI 품질예측
기존 MES와 Fool Proof 데이터를 바탕으로 수집 범위를 확대하고 제조 AI 분석 체계를 구축합니다.
적용 공정사출 제조 AI
구축 기간2025.03 ~ 2025.11
사업 구분스마트공장 구축지원사업
진행 중인 구축 사업의 적용 범위를 기준으로 정리한 적용 사례입니다. 고객사 공개 동의 전까지 기업명은 표기하지 않습니다.
01 / 현장 과제
공정·생산·품질 데이터를 묶어 불량 가능성과 이상을 분석
일부 설비만 데이터를 수집하고 공정값과 품질 결과의 연결이 부족해 선제적인 품질 분석에 한계가 있습니다.
| 확인할 업무 | 기존 관리의 어려움 | 적용 후 확인할 정보 |
|---|---|---|
| 품질 분석 준비 | 일부 설비 수집값과 품질 결과가 분리 | 공정·생산·품질 데이터를 같은 작업 기준으로 연결 |
| 공정조건 검토 | 과거 경험과 개별 기록을 참고 | 분석 결과를 참고해 담당자가 조건 검토 |
02 / 적용 범위
이 프로젝트에서 연결하는 업무와 정보
사출기 수집 범위를 기존 11대에서 20대로 확대하고, 데이터 정제·라벨링, 모델 학습·검증, 불량예측·이상탐지, 재학습 관리를 포함합니다.
03 / 시스템 구성
현장 설비부터 사용자까지, 시스템 구성도
파이프라인형수집 → 정제 → 저장 → 학습 → 활용 순서와, 현장 확인 결과로 다시 학습하는 순환 구조입니다.
← 그림을 옆으로 밀어 전체를 볼 수 있습니다.
- 사용자
- 품질 담당 대시보드생산관리자 PC현장 알림
- 애플리케이션
- 불량예측 모델이상탐지 모델재학습 관리결과 대시보드
- 서버·연계
- AI 학습 서버MES DBFool Proof DB
- 수집·통신
- 사출기 I/F데이터 파이프라인네트워크
- 현장 설비
- 사출기 20대금형 온도조절기검사장비
라온비즈컴 구축 범위 연계·현장 구성
04 / 공정별 업무
공정마다 수집 정보와 확인 기준을 구분합니다.
- 01데이터 수집사출기 11 → 20대
- 02정제·LOT 매칭결측·중복 정리
- 03품질 라벨링양품·불량 결과
- 04학습·검증성능 평가
- 05불량예측·이상탐지현장 확인
- 06운영·재학습모델 변경 이력
| 공정·단계 | 연결할 정보 | 처리 방식 | 설계·검증 시 확인 |
|---|---|---|---|
| 수집 범위 확대 | 사출조건, MES·Fool Proof 기록 | 사출기 수집 범위를 기존 11대에서 20대로 확대합니다. | 설비별 데이터 제공 항목과 수집 상태 |
| 데이터 준비 | 공정값, 품질 판정, LOT 연결정보 | 결측·중복을 정리하고 실제 품질 결과를 라벨로 연결합니다. | LOT 매칭·측정 시점·라벨의 정확성 |
| 모델 학습·검증 | 학습·검증·시험 데이터, 평가 결과 | 분리된 데이터로 모델의 예측·탐지 성능을 확인합니다. | 오탐·미탐과 평가 데이터의 대표성 |
| 현장 적용·재학습 | 예측 결과, 현장 확인, 모델 변경 이력 | 담당자의 조건 검토를 지원하고 운영 결과를 재학습에 활용합니다. | 공정 변화·성능 변화·재학습 기준 |
05 / 구축 수행
현장 확인부터 연동 검증과 운영 준비까지
기능·연계 범위 설계
위 적용 범위를 기준으로 업무 기능과 데이터 연결 항목을 구체화합니다. 장비 공급, 소프트웨어 개발과 외부 기술 연계의 역할을 구분합니다.
테스트와 운영 준비
계획한 업무 흐름으로 데이터를 대조하고 예외 상황을 확인합니다. 사용자 교육과 운영 인수 범위는 계약·설계 단계에서 확정합니다.
06 / 검증 항목
구축 단계에서 이 항목을 확인합니다.
데이터 연결 품질
공정조건과 실제 품질 판정이 같은 작업·LOT에 연결되는지 확인합니다.
모델 평가
시험 데이터에서 정밀도·재현율과 오탐·미탐을 확인합니다.
운영 중 성능
공정 변화와 실제 결과를 기록해 모델 재검토 여부를 판단합니다.
다음 단계우리 공장에 필요한 기능부터
상담 내용 작성