목표

공정 데이터의 실시간 수집과 분석을 통해 이상 징후를 조기에 탐지하고 생산 실적과 재고를 자동으로 예측 · 관리하는 체계를 구축하는 것을 목표로 하였습니다.

개발범위

Philo-AF 솔루션을 기반으로 AI MES 시스템을 구축하여, 생산·설비·환경 데이터를 통합 관리할 수 있도록 설계했습니다.

주요 개발 항목은 ‘생산실적 자동 취합 및 예측 기능’, ‘공정 제어 이상 감지 시스템’, ‘탱크 재고 모니터링 및 예측’, ‘챔버 온도 조절용 냉각수 온도제어 기능’으로 구성되었습니다. 이를 위해 다양한 센서와 설비 데이터가 연동되는 데이터 파이프라인을 구축하고 Philo-AF의 이상 패턴 감지 알고리즘을 적용하여 공정 상태를 실시간으로 진단할 수 있도록 했습니다.

기대효과

AI 모델이 공정 데이터를 학습하면서 이상 패턴을 자동으로 인식해 장비 이상이나 품질 저하 요인을 조기에 탐지할 수 있게 되었습니다.

이를 통해 불필요한 공정 정지와 재작업을 감소시켰고 탱크 내 원료 투입량과 온도 편차를 최적화하여 에너지 사용량을 절감했습니다.

또한 생산실적과 재고 데이터를 자동으로 집계하고 예측함으로써 운영 효율성과 공정 신뢰성을 크게 높일 수 있을 것이라 기대할 수 있었습니다. 

배경

재원산업은 화학물 제조 특성상 반응 조건의 미세한 변화가 제품 품질에 직접적인 영향을 미치며, 기존의 수동적 관리 체계로는 공정 이상을 사전에 인지하기 어려웠습니다. 이에 따라, 각 공정 단계에서 수집되는 데이터를 AI 기반으로 분석하여, 사전 예측 · 제어가 가능한 스마트 팩토리 환경을 구축하기 위해 Philo-AF 솔루션을 도입했습니다.

솔루션

Philo-AF는 딥러닝 기반 품질관리 및 공정 예측 솔루션으로 정상 데이터의 패턴을 학습한 뒤 범위를 벗어나는 구간을 이상으로 감지합니다.

이를 통해 화학 반응 조건의 미세한 변화를 정밀하게 분석하고 이상 발생 시 관리자에게 실시간 알림을 제공하여 즉각적인 대응이 가능하도록 했습니다.

또한 Auto Learn 기능을 통해 새로운 데이터를 자동으로 수집·학습하며 LVM(Large Visual Model) 적용으로 높은 성능과 신속한 배포를 지원합니다. 결과적으로 재원산업은 Philo-AF를 통해 데이터 기반의 예측형 공정관리 체계를 구축하고 제조 공정의 안정성과 품질 경쟁력을 강화할 수 있었습니다.