지능형 공장을 위한 양방향 전이학습 기반의 실시간 다중 설비 최적화 기술 개발 (중견연구 후속연구지원 과제)

직책 : 연구 책임자

기간 : 2022. 03.01 ~ 2025.02

연구 필요성

지능형 공장은 인공지능이 공정 내 수많은 설비에서 발생하는 다량의 데이터를 바탕으로 공정의 흐름을 모니터링하고 제품의 품질을 예측, 진단할 수 있어야 한다. 지금까지의 인공지능, 특히 딥러닝을 활용한 지능형 공장 연구 동향은 제어 자동화를 통해서 개별 공정, 개별 설비 데이터로 모델을 개발하는 데 초점을 맞추었다. 하지만 미세한 공정 작업을 필요로 하는 현장에서는 설비의 상태(이물질 정도, 노후화 정도 등)에 따라 동일 설비 내에서도 설비 환경의 변화가 지속해서 발생한다. 설비미다 딥러닝 모델을 활용하더라도 제품의 품질을 유지하기 위해서 설비마다 고유 특징을 기록하고 개별 설비를 관리해야 하는 단점이 있다.

연구 목적 및 내용

본 연구에서는 양방향 전이학습 기법(bi-directional transfer learning)을 도입하여 다양한 환경 변화에도 대응할 수 있도록 딥러닝 모델을 실시간으로 다중 설비에 최적화시키는 기술 연구와 딥러닝 모델에서 고수준의 잠재 특징들(latent features)을 공정 엔지니어가 이해할 수 있는 정보로 가공해주는 제품 품질 모니터링 시스템을 제안하고자 한다.

기대효과

본 연구에서 제시하는 양방향 전이학습 기반의 연구는 불량제품에 대한 정보를 조기에 발견 및 차단하여 제품의 품질을 향상할 수 있다. 현장에서 관리되는 대량의 설비 및 설비변수를 한정된 자원으로도 통합 관리할 수 있게 하여 공장 운영 효율을 높일 것으로 기대한다. 따라서 품질 관리뿐만 아니라 설비 진단 및 유지보수 하는 데 소모되는 비용을 최소화하는 효과를 기대한다.