일반적인 소량 다품종 생산 제조업에서는 불량 제품으로 인한 기회손실 비용과 다양한 제품 생산 환경 및 치수 조건에 민감한 공정의 불확실성으로 발생하는 생산성 저하등이 문제가 되며, 제조 장비에 부착된 센서를 통하여 생성되는 센서 데이터의 효과적인 수집, 저장 시스템을 구축, 활용하기 어렵다. 그러나 이러한 센서 데이터에 대한 사전 측정과 분석 등을 통해 불량 발생 예측 정확도를 80%까지 높이면 제품에 대한 불량 손실감소와 기업 이미지 제고 등에 큰 장점이 있고 이 제조 데이터를 학습, 분석하는 시스템을 구축, 평가 및 기술개발을 하면 향후 타 산업에의 파급 시 큰 효과를 기대할 수 있다. 본 연구에서는 제조 생산 및 검사 불량예측과 대처를 지원하는 장치 및 소프트웨어 구축을 위한 기계 학습 연구를 하고 제조 데이터 통합 관리를 통한 분석기술의 정확도 향상 및 신뢰성 확보, 동종 및 유사 업종에 적용할 수 있는 기술 확보를 하여 산업현장의 제조 스마트화를 유도한다.
In general, low-volume, multi-product manufacturing manufacturing, the cost of opportunity loss due to defective products and the decrease in productivity caused by the uncertainty of the process sensitive to various product production environments and dimensional conditions are problems. It is difficult to build and utilize an effective collection and storage system. However, if the accuracy of predicting the occurrence of defects is increased to 80% through pre-measurement and analysis of such sensor data, there are great advantages in reducing the loss of defective products and enhancing the corporate image. and technology development, great effects can be expected when rippling to other industries in the future. In this study, machine learning research is conducted to build devices and software that support the prediction and response of manufacturing production and inspection defects, and technology that can be applied to the same and similar industries by improving the accuracy and reliability of analysis technology through integrated management of manufacturing data Inducing manufacturing smartization of industrial sites by securing.