Use-Case > MAIC

• 미성형, 가스자국 등 불량발생 과다

• 원인 및 해결 방안에 대한 지식 부족 및 문제해결 지식의 자산화 부족으로 불량 발생 시 조치시간 과다 발생

• 불량 발생 시 기존 방식대로 사출 recipe를 경험에 의존하여 변경하는 방법으로 대응

• 사출 및 생산과정에서 발생하는 공정데이터와 검사데이터를 통해 불량원인분석 필요

• 불량 탐지와 불량 원인분석이 가능한 알고리즘 개발을 통한 불량의 신속 선별 및 선제적 예방 조치 기대

1. 데이터 수집 / 전처리

• 여러 사출기에서 다양한 제품의 부품이 생산되었으므로, 필요한 데이터만 추출하는 과정이 필요

• 데이터 품질지수(완전성, 유일성, 유효성, 정확성, 일관성)를 파악하고, 데이터 전처리를 통해 품질지수 향상 (95%이상 유지)

2. 분석 모델 생성

• AutoEncoder 모델의 성능이 가장 높게 나와 채택

• AutoEncoder로 공정조건 별 양품/불량 예측 F1 Score는 92~97%이고, 본 공정에서 현재 가장 많이 발생되는 불량원인은 가

• 불량 감소 및 근본 원인 요소의 제거

• 1년 이상의 데이터 확보가 되면 계절성 영향 분석도 가능할 것으로 판단됨