AI 기반 레이저 용접 이상감지 알고리즘 개발

직책: 연구 책임자

기간: 2022.05. ~ 2022.11.

연구 필요성

전기차의 수요가 증가하면서 전기차의 핵심 부품인 배터리(이차 전지) 시장도 함께 성장했다. 배터리 시장이 성장하면서 전기차의 주행거리가 일정 수준을 넘어간 이후 배터리 안전성의 중요도가 더욱 증가하였다. 배터리 제조사는 센서를 통해 수집한 시계열 데이터나 이미지 데이터로써 해당 공정을 마친 제품의 정상과 불량을 판별하여, 배터리의 안정성을 높이고자 한다.

그러나 제조 공정 데이터의 특징인 클래스 불균형(Class imbalance)으로 인하여 분류 모델만으로는 목표한 성능 수준에 이르는 데 한계가 있다. 이러한 문제를 극복하기 위하여 시계열 데이터의 주요 특징을 추출하거나, Autoencoder의 복원 특징을 활용한 이상 탐지 모델을 개발한다. 그리고 GAN(Generative Adversarial Network) 모델을 활용하여 현실적인 가상의 불량 이미지 데이터를 생성하여 이상 탐지 모델의 성능을 높이고자 한다.

연구 목적 및 내용

본 연구의 주요 목적은 다음과 같이 3가지이다. 첫 번째는 공정 시계열 데이터로부터 이상 탐지를 위한 주요 특징을 추출하고 통계적 학습 기법을 적용하여 공정 환경에 적합한 경량 이상 탐지 모델을 개발한다. 두 번째는 비지도 학습 모델인 Autoencoder의 복원 오류를 활용한 이상 탐지 모델의 성능을 극대화하고자 한다. 마지막으로 딥러닝 기반 생성 모델을 기반으로 가상의 불량 이미지를 생성하고 이를 모델의 학습 과정에 사용하여 이미지 이상 탐지 성능을 극대화하고자 한다.

기대 효과

클래스 불균형 문제로 인해 고성능의 딥러닝 기반 분류 모델을 적용하기 힘든 공정 상황에서 적용 가능한 현실적 모델을 개발함으로써 배터리 제조 효율성을 극대화할 수 있다.