실시간 빅데이터 수집 및 AI 모델링 분석 기반 스마트공장 고도화 연구

Abstract

최근 스마트공장은 빅데이터와 AI 기술을 활용한 고도화의 추세로 전환하고 있다. 이에 따라 빅데이터 수집 및 처리 기술, IoT 통합 기술, 기계 학습 및 AI 모델링에 대한 선행 연구가 수행되어 왔다. 이러한 기존 문헌 검토를 바탕으로, 본 연구의 범위와 목적에 맞게 실시간 제조 데이터 수집, 분석 및 활용 시스템을 설계한 후, 기계 가공 업종으로 스마트공장 고도화를 설계하고 구현하였다. 첫째, 가공공정 스마트화를 위한 레이아웃 재배치 및 공정개선, 신설비, 측정검사시스템 도입을 통해 신공정을 설계하고 구현하였다. 신 공정 지그, 로봇 및 자동 컨베이어 이송장비, MCT 가공설비 5대, 부시 압력 측정 및 조립시스템, 공구 모니터링 및 검사시스템을 신규 도입 또는 설계, 제작, 설치하였다. 둘째, 실시간으로 제조 빅데이터의 수집 및 분석시스템을 설계하기 위해서, 먼저 표준 통신 프로토콜인 OPC-UA를 기반으로 한 IoT 통합 모듈로 실시간 데이터 수집을 위한 네트워크를 설계하고 구현하였다. 셋째, 데이터 소프트웨어는 3계층 구조와 스마트 클라이언트 개념의 애플리케이션 브라우저를 클라우드와 연계하여 설계하고 구현하였다. 신규 스마트화 공정에 대한 사용자의 요구사항을 반영한 수집 분석 장표를 만들고, 이를 반영하여 분석데이터 수집‧저장을 위한 데이터베이스 및 추출 솔루션을 설계하고 구현하였다. 넷째, SPC 통계와 시각화 솔루션을 설계한 후 구현하였고 주요관리 변수와 AI 모델링으로 도출된 최상위 품질 영향변수에 대해서 교차 검증을 수행하였다. 다섯째, AI 모델링, 검증 및 시각화 분석을 설계하고 수행하였다. 변수들에 대한 상대적 상관분석을 실시하고, 알고리즘 간 예측정확도를 비교하였다. 주요변수의 중요도에 대한 F1 스코어를 SPC 통계분석과 교차 검증한 결과, 부합한 것으로 판명되었다. 이상의 내용에서 실시간 데이터 수집, 저장을 위한 데이터베이스 및 추출 솔루션이 MES에 설계하고 구축되었다. 이 솔루션을 기반으로 빅데이터 분류, 저장을 통한 체계적인 데이터 축적 및 추출이 가능한 시스템이 구축되어 장기적인 측면에서 생산성과 품질 향상을 위한 기반이 되었다. XGBoost 피처의 주요변수 중요도에 대한 F1 스코어가 SPC분석의 결과 값과 부합한 것으로 평가되었다. SPC 통계 검증으로 불량요인을 명확히 하고 AI모델링의 예측결과에 대한 교차 검증을 수행하면서 사후 유지관리의 수행이 가능할 것으로 예상된다. AI 알고리즘의 예측 정확도에 대해서는, 향후에 데이터가 축적되고 학습이 지속적이고 반복적으로 이루어지면, 랜덤포레스트 알고리즘의 정확도가 높아질 것으로 예상이 된다.