제조업에 이상 탐지(Anomaly Detector) AI를 적용해야 하는 이유

제조업에 이상 탐지(Anomaly Detector) AI를 적용해야 하는 이유

제조업에 이상 탐지(Anomaly Detector) AI를 적용해야 하는 이유 제조 현장에 AI 도입이 가속화되고 있습니다. 2023년 제조업 분야 AI 시장 규모는 32억 달러로 평가되었고, 2028년까지 208억 달러에 이를 것으로 예상됩니다. 이 기간 동안 연평균 성장률(CAGR)은 45.6%에 달하는데요. 최근 몇 년 새 AI가 급격하게 발전하면서 제조업에서도 AI를 통한 공정 자동화, 효율 향상, 수율 향상, 다운타임 최소화 등에 대한 수요가 계속해서 높아지고 있기...
MLOps(머신러닝 개발 전주기 자동화) 플랫폼이란?

MLOps(머신러닝 개발 전주기 자동화) 플랫폼이란?

MLOps(머신러닝 개발 전주기 자동화) 플랫폼이란? 2024년 현재 제조업은 매우 빠르게 변화하고 있습니다. 물리적 시스템의 디지털 복제본을 만들어 실시간 모니터링과 시뮬레이션을 수행하는 ‘디지털 트윈’, 머신러닝과 IoT를 활용해 장비 고장을 예상하고 사전에 대응하는 ‘예지보전(예측 유지보수)’, 공정 자동화와 최적화를 추구하는 ‘스마트 제조’, 환경 친화적 공정을 통해 탄소 발자국을 줄이는 ‘지속...
제조 기업이 머신러닝 개발 전주기 자동화(MLOps) 플랫폼을 활용할 때의 이점

제조 기업이 머신러닝 개발 전주기 자동화(MLOps) 플랫폼을 활용할 때의 이점

제조 기업이 머신러닝 개발 전주기 자동화(MLOps) 플랫폼을 활용할 때의 이점 들어가기 전에 MLOps(머신러닝 개발 전주기 자동화) 플랫폼이란?   제조 기업의 AI 활용을 돕는 MLOps 플랫폼 제조업 분야로 한정해서 보면, 한국의 산업용 AI 도입율은 50%로 다른 나라에 비해 매우 낮은 수준입니다. 주된 원인으로는 ‘투자 대비 성과의 불확실성’, ‘내부 운용 인력 부족 등이 꼽힙니다. PoC(Proof of Concept)까지...
진동 센서 데이터로 모터(회전체)의 이상을 감지한 사례 

진동 센서 데이터로 모터(회전체)의 이상을 감지한 사례 

진동 센서 데이터로 모터(회전체)의 이상을 감지한 사례 Challenge   기존에는 발전 설비 모터에 진동 센서를 부착해놓고 룰 기반으로 검사를 진행함 진동의 등락 외에는 각 진동 요소가 결과적으로 모터 고장에 미치는 영향을 알 수 없으므로, 진동의 양이 일정 수준 이상으로 높아지면 무조건 설비를 멈추고 점검하느라 발전 효율이 떨어짐 SPC(통계적 공정 관리) 방법도 있지만, 설비 데이터가 종종 정규분포를 따르지 않을 때 정확도가 떨어진다는 한계가 있음...
생산 자재 변경으로 인한 검사 ‘데이터 드리프트’를 잡아낸 사례(DQI 모델) 

생산 자재 변경으로 인한 검사 ‘데이터 드리프트’를 잡아낸 사례(DQI 모델) 

생산 자재 변경으로 인한 검사 ‘데이터 드리프트’를 잡아낸 사례(DQI 모델)  Challenge   항상 일정한 광학 이미지가 촬영돼야 모델을 제대로 학습시키고 양/불량 판정 정확도를 높일 수 있음. 그러나 제조 현장의 다양한 요인 변화로 인해 ‘데이터 드리프트’가 발생하면서 생산품에 결함이 없음에도 NG가 발생하는 경우가 잦아 품질 검사 효율이 낮아짐 비용 및 관리 복잡도를 높이지 않으면서 검사 이미지가 제대로 촬영되고 있는지 실시간으로 알 수 있는 방안 필요...