제조AI · AI PROCESS PREDICTION
AI 품질예측 CodeB Process-Q
온도·압력·속도 데이터로 품질을 1분마다 예측합니다.
어떤 조건이 원인인지도 바로 알려 줍니다.
PAIN POINTS현장의 고민
이런 현장에 필요합니다.
01
앞 공정 조건이 틀어져도 뒤쪽 검사에서야 압니다.
그사이 원자재는 이미 버려지고 있습니다.
02
설비 준비·정지 구간 데이터가 섞여 있습니다.
어떤 조건이 품질을 바꾸는지 분석이 안 됩니다.
03
품목이 바뀔 때마다 속도·온도·압력 기준은 고참 작업자의 감에 맡겨집니다.
FEATURES핵심 기능
CodeB Process-Q 핵심 기능
불량이 나오기 전에 공정을 바로잡도록
공정 시차 보정
앞단 센서와 뒷단 측정 사이의 이송 시간을 제품별로 계산합니다.
같은 원단 구간끼리 데이터를 맞춥니다.
1분 주기 예측
지금 생산 중인 제품의 품질을 1분마다 예측합니다.
원인 변수 제시
품질을 움직인 공정 변수와 그 방향을 보여 줍니다.
설명형 AI(SHAP)를 씁니다.
현장 알림
품질 이탈이 예상되면 POP 화면과 경광등으로 알립니다.
작업자가 바로 조치할 수 있습니다.
정지 구간 자동 제외
설비 준비·정지 구간의 데이터를 골라냅니다.
정상 가동 데이터로만 학습합니다.
모델 관리(MLOps)
제품군별 모델의 학습 이력과 성능을 MLflow로 관리합니다.
필요하면 다시 학습합니다.
작동 방식
- 수집·정렬 — PLC 센서와 MES 데이터를 모읍니다. 정지 구간을 걸러내고, 이송 시간만큼 품질 데이터와 맞춥니다.
- 예측 — 제품군별 모델이 1분마다 품질을 예측합니다. 원인이 된 공정 변수도 함께 계산합니다.
- 알림·재학습 — 품질 이탈이 예상되면 현장에 알립니다. 쌓인 데이터로 모델을 다시 학습합니다.
압출 성형 라인 실증에서는 제품군별 이송 시간을 계산했습니다.
계산값을 현장 측정값과 비교해 데이터 정렬 방식을 검증했습니다.
FAQ자주 묻는 질문
AI 품질예측 자주 묻는 질문
어떤 공정에 맞나요?
온도·압력·속도가 센서로 기록되고, 뒤쪽에서 품질을 재는 연속 공정에 맞습니다.
압출 성형 라인에서 실증했습니다.
설비를 바꿔야 하나요?
아니요.
기존 PLC와 설비 데이터를 그대로 모읍니다.
OPC-UA·Modbus 같은 표준 방식과 기존 MES·POP 데이터를 연결합니다.
작업자는 예측 결과를 어떻게 쓰나요?
품질 이탈이 예상되면 경광등과 현장 화면으로 알립니다.
원인이 된 공정 조건과 조정 방향을 함께 보여 줍니다.
AI 품질예측, 우리 라인에 맞을까요?
공정과 데이터를 먼저 살펴보고 적용 범위를 함께 정합니다.