사이트맵 ×

토탈산업
플라스틱재팬
현대보테코

기술과 솔루션

엠쓰리파트너스
hnp인터프라
휴먼텍
한국마쓰이

스마트공장(Smart Factory)을 위한 사출성형 모니터링 데이터 분석 (부제: 사출성형 공정 그래프(Graph)에 대한 분석 및 이해)

작성자 : 편집부 2024-09-27 | 조회 : 145

최근 사출성형 산업계에서는 극심한 경쟁 구도에 직면하고 있으며, 이로 인하여 지속적인 생산성 향상, 엄격한 품질관리, 인건비 절감 등의 요구에 직면하고 있다. 이러한 산업환경 변화에 대응하기 위하여, 고품질 또는 대량 생산 플라스틱 제품을 중심으로 센서를 이용한 사출성형 모니터링 시스템의 활용이 확대되고 있다. 이 연재 기사에서는 각종 센서와 사출기에서 얻어지는 데이터(그래프)를 이해하고 활용하는 방법에 필요한 기본 지식에 초점을 맞추어 기사를 연재하고자 한다.

RJG사는 사출성형 교육, 기술 및 리소스 분야에서 세계적인 리더로 인정 받고 있는 회사이며, 사출성형 공정 모니터링에 사용되는 센서와 장비를 생산/공급하고 있다. 본 기사의 게재된 자료 들은 RJG 사의 모니터링 시스템(eDart/Copliot)에 기반을 두고 있으며, RJG 사에 Copyright의 모든 권한이 있음을 밝힌다.

 

자료제공: 이길호 대표이사(씨에이프로(주), 

RJG 사 공식 컨설턴트/트레이너) 

 

 

 

 

Ⅳ. 과학적(Scientific) 공정을 위한 기술적 조언 

(사출성형에서의 인공지능(AI)에 대한 고찰) 

 

오늘날과 같이 급변하는 제조업 세계에서 인공지능(AI)은 게임체인저가 되어 뒤흔들고 있으며, 기존 프로세스를 전환하려는 시도를 이어가고 있다. 여기에서는 이러한 시대의 변화와 관련하여 인공지능(AI)과 사출성형을 연결시키기 위하여 필요한 기 본 내용들을 서술하고자 한다. 우선 AI가 무엇인지, 어떻게 작동하는지, 왜 그렇게 중요한지, 그리고 인공지능(AI)의 다양한 종류를 분석하여 AI가 무엇을 할 수 있고, 어떻게 사용되는지를 이해하여야 한다. 

 

더불어 더 빠른 생산, 더 나은 품질관리, 더 스마트한 의사 결정과 같은 사출 성형에서 인공지능(AI)의 실질적인 이점과 적용 시 발생하는 위험(Danger) 사항도 점검하고자 한다. 인공지능(AI)은 일반적으로 인간의 지능이 필요한 작업을 수행할 수 있는 컴퓨터 시스템의 개발을 말하며, 이러한 작업 에는 학습(Learning), 추론(Reasoning), 문제 해결(Problem-solving), 지각(Perception), 언어 이해(Language understanding), 심지어 음성 인식(Speech recognition)을 포함한다. 일부 AI 형태는 인간의 인지 기능을 모방하여 시간이 지남에 따라 적응하고 성능을 개선할 수 있는 기계를 만드는 것을 목표로 하지만, 특정 작업을 수행하기 위해 미리 정의된 데이터 세트를 사용하는 더 간단한 형태의 AI도 있다 

 

 

 

 

여기에서는 인공지능(AI)을 사출성형 공정에 적용하기 위하여 가져야 할 기본 지식을 다음과 같은 내용과 순서로 서술하였으며, 마지막으로 RJG 사의 인공지능(AI)을 적용한 컴퓨터 시스템개발에 관한 내용을 소개하고자 한다. 

 

가) 인공지능(AI)의 종류 

나) 사출성형에서 인공지능(AI)의 이점 

다) 투자 수익률 및 비용 절감 가능성 

라) 사출성형에서 인공지능(AI)의 위험 

마) 인공지능(AI)에서 좋은 데이터의 중요성 

바) 사출성형 분야의 인공지능(AI) 적용에서 캐비티 압력 데이터의 중요성 

 

가. 인공지능(AI) 종류 

 

1. 좁은 AI 또는 약한 AI(Narrow or Weak AI)

좁은 AI는 특정 작업 또는 밀접하게 관련된 작업 집합을 수행하도록 설계되었으며, 사전 정의된 도메인에서 탁월하지만, 그 범위를 넘어 지능을 일반화하는 능력은 부족하다. 예를 들어 Siri 또는 Alexa와 같은 가상 개인 비서는 특정 음성 명령을 이해하고 응답하는 데만 능숙하다. 

 

2. 일반 AI 또는 강력한 AI(General or Strong AI) 

일반 AI는 기계가 인간 지능과 유사하게 광범위한 작업에 걸쳐 지식을 이해하고 학습하고 적용할 수 있는 수준의 인공지 능을 나타낸다. 일반 AI를 달성하는 것은 여전히 상당한 과제이며, 현재 AI 시스템은 대부분 좁은 AI로 분류하고 있다. 

 

3. 머신러닝(Machine Learning) 

머신러닝은 명시적 프로그래밍 없이 기계가 데이터에서 학습할 수 있도록 하는 데 중점을 둔 AI의 하위 집합으로 분류된 다. ML 알고리즘은 패턴과 통계 기술을 사용하여 시간이 지남에 따라 성능이 개선되며, 이는 추천 시스템, 이미지 인식 및 자연어 처리의 기반이 되는 기술이다. 

 

 

4. 딥 러닝(Deep Learning) 

딥 러닝은 여러 계층(딥 신경망)이 포함된 특수한 형태의 머신러닝이며, 인간의 뇌 구조를 모방한 딥 러닝은 이미지 및 음성 인식과 같은 작업에서 탁월 하다. 이러한 기술은 얼굴 인식 기술, 자율주행차 등 의 발전을 촉진했다. 

5. 강화 학습(Reinforcement Learning) 

강화 학습은 원하는 행동에 보상하고 바람직하지 않은 행동에 처벌을 주어 일련의 결정을 내리도록 머신을 훈련하는 것을 포함한다. 이 유형의 AI는 종종 게임, 로봇 공학 및 최적화 문제에 사용되어 머신이 시행착오를 통해 학습할 수 있도록 한다. 

 

6. 자연어 처리(NLP; Natural Language Processing) 

NLP를 통해 머신은 인간 언어를 이해하고 해석하고 생성할 수 있으며, 응용 프로그램에는 언어 번역, 감정 분석 및 챗봇 이 있다. NLP는 AI 시스템을 사용자에게 더 접근이 가능하고 상호 작용적으로 만드는 데 필수적이다. 

 

나. 사출성형에서 인공지능(AI)의 이점(Benefit) 

 

플라스틱 사출성형 산업에서 공정을 최적화하고 제품 품질을 향상시키려는 노력이 증가되면서 AI는 이 분야에서 게임체인저로 부상하고 있으며, AI를 사용함으로써 얻을 수 있는 이점은 다음과 같다. 

 

정밀도 및 품질 향상 

플라스틱 사출성형에 AI를 통합하는 주요 이점 중 하나는 정밀도와 제품 품질을 향상시키는 능력에 있으며, RJG 사의 MAX와 같은 AI 기반 시스템은 실시간으로 매개변수 조정을 모니터링하고 제안하여 일관되고 고품질의 제품을 보장할 수 있다. 이를 통해 불량이 크게 감소하고, 비용이 많이 드는 재작업의 필요성이 최소화되며 전반적인 생산 효율성이 향상된다. 

 

가동시간 증가를 위한 예측유지 관리 

AI는 기계에 내장된 센서의 데이터를 분 석하여 예측유지 관리를 가능하게 하며, 제 조업체는 문제가 발생하기 전에 잠재적인 장비 고장을 예측하여 유지 관리를 위한 정 비시간을 사전에 예약하고 가동 중지 시간 을 최소화하여 생산 일정을 최적화할 수 있 다. 이를 통해 운영 효율성이 향상되고 비용이 절감된다. 

 

 

 

 

에너지 효율성 및 비용 절감 

플라스틱 사출성형의 AI는 에너지 사용을 최적화하는 데 중요한 역할을 한다. AI는 성형업체가 실시간 데이터를 활용하 여 안정적인 프로세스를 유지할 수 있도록 지원하여 폐기물, 기계 가동 중단 시간 및 불필요한 에너지 소비를 줄이는 데 도 움이 된다. 이는 지속 가능 목표에 기여할 뿐만 아니라 장기적으로 상당한 비용 절감으로 이어진다 

 

고급 프로세스 모니터링 

AI는 방대한 양의 데이터를 실시간으로 처리할 수 있는 기능을 가짐으로, 고급 프로 세스 모니터링을 용이하게 한다. 여기에는 원자재의 거동 모니터링, 생산조건 변화 감 지, 실시간 지원(MAX)을 제공하여 프로세 스를 다시 안정적인 환경으로 돌려놓는 것 이 포함된다. 결론적으로 제조업체는 전체 생산 프로세스를 엄격하게 제어하여 일관성 을 보장하고 재료 낭비를 최소화할 수 있다 

 

제품출시 기간 단축

AI의 빠른 응답과 높은 적응성을 가지는 특성으로 인하여 제품개발 주기를 가속화하며, 사출성형 프로세스를 간소화함으 로써 신제품의 출시 기간을 단축하는 데 기여한다. 이는 신속한 혁신과 시장 수요에 대한 신속한 대응이 가장 중요한 산업 에서 특히 중요할 것이다. 

 

 

 

 

다. 투자 수익률 및 비용 절감 가능성 

 

AI는 기업이 운영을 최적화하고 생산성을 높여 상당한 투자 수익률(ROI)을 창출할 수 있는 기회를 제공한다. AI의 다재 다능함은 다양한 부문에 걸쳐 확장되어 스크랩 및 기계 가동 중단 시간을 줄이는 것부터 직원이 프로세스를 개선하고 생산성을 높일 수 있도록 지원하는 것까지 다양한 문제에 대한 혁신적인 솔루션을 제공한다. 

 

스크랩 감소 

우리 모두는 스크랩을 최소화하는 것이 수익성을 높이는 핵심(그러나 종종 간과되는) 방법 중 하나라는 것을 알고 있다. AI 기반 품질관리 시스템은 사전 예방적 접근 방식을 제공하며, 실시간으로 불량을 식별할 수 있도록 가능하게 낭비를 줄이 고 리소스를 최적화한다. 생산 데이터를 분석하고 이상 징후를 실시간으로 감지함으로써 문제가 확대되기 전에 신속하게 식별하고 수정하여, 재료 낭비를 최소화하면서 더 높은 품질의 생산량이 보장 가능하다. AI를 사용하는 업체의 54%가 AI로 인해 서비스 운영기능의 비용이 감소했다고 보고하고 있다. 

 

기계 가동중단 시간 감소

기계 가동중단은 많은 성형 업체에게 심각한 문제를 야기하여 생산성과 수익 손실로 이어지게 하는 중요한 문제점이다. AI 지원 프로세스 제어 시스템을 사용하면, 프로세스가 규정 범위를 이탈하는 순간을 알 수 있고, 그 이유와 함께 프로세스 를 다시 되돌리기 위한 간단한 단계별 지침을 제공받을 수 있다. 또한, 전 세계 어디에서나 문제를 해결하고 과거의 머신 데이터를 분석하여 문제가 발생하기 전에 더 정확하게 예측할 수 있다. 

 

생산량 증대 

데이터 세트를 분석하고 실행 가능한 계획을 도출하는 AI의 기능을 통해 생산 프로세스를 최적화하고 생산량을 극대화 할 수 있으며, 실시간으로 생산 매개변수를 미세 조정하여 리소스 할당을 최적화하고 전반적인 생산성 향상이 가능해진다. 

 

라. 사출성형에서 인공지능(AI)의 위험(Dangers) 

 

플라스틱 사출성형에 AI를 통합하여 놀라운 발전을 이루었지만, 큰 힘에는 큰 책임이 따른다는 것을 인식하는 것이 중요 하다. 산업이 제조 공정을 최적화하기 위해 AI의 잠재력을 활용함에 따라, 잠재적 위험을 인식하고 해결하는 것도 마찬가지 로 중요함을 인지하여야 한다. 

 


안전 위험 

AI 제어 기계와 로봇은 오작동하여 사고와 부상으로 이 어질 수 있으므로 적절하게 설계 및 유지 관리하지 않으면 AI 시스템은 근로자에게 안전 위험을 초래할 수 있다. 이러한 위험을 최소화하기 위해 안전 기준과 적절한 교육을 실시하는 것이 매우 중요하다. 

 

투명성 부족 

일부 AI 알고리즘, 특히 딥 러닝 모델은 의사 결정 프로세스가 불투명하며, 이러한 투명성 부족으로 인해 AI 시스템이 어떻게 결론을 내리는지 이해하기 어려워 근로자와 이해 관계자 사이에 불신이 생길 수 있음에 유의하여야 한다. 

 

AI에 대한 과도한 의존 

AI 시스템은 효율성과 품질을 크게 향상시킬 수 있지만, 인간의 감독 없이 맹목적으로 신뢰하는 것은 문제가 될 수 있다. 과도한 의존은 안주로 이어져 중요한 의사 결정 프로세스에서 인간의 역할을 줄이고 AI 알고리즘이 포착하지 못할 수 있는 미묘한 문제를 간과할 수 있다. 

 

데이터 보안 및 개인 정보 보호 문제 

플라스틱 사출성형에 AI를 구현하려면 방대한 양의 데이터를 수집하고 분석해야 하며, 이러한 데이터는 종종 민감하고 독점적이므로 보안 및 개인 정보 보호에 대한 우려가 발생한다. 무단 액세스 또는 데이터 보안 위반은 지적 재산권 도용으 로 이어져 제조업체의 경쟁 우위를 손상시킬 수 있으므로 새로운 기술을 구현하기 전에 데이터 보안을 이해하는 것이 중요하다. 

 

일자리 대체 

AI 시스템이 플라스틱 사출성형 프로세스의 특정 작업을 자동화함에 따라 일상적이고 수동적인 작업에 참여하는 근로자의 일자리 대체 위험이 있다. 제조업체는 공정하고 정당한 전환을 보장하기 위해 해고된 근로자의 재교육 및 기술 향상을 고려하여야 하며, 자동화의 윤리적 의미를 신중하게 고찰해야 한다. 

 

마. 인공지능(AI)에서 좋은 데이터의 중요성 

 

AI의 중심에는 알고리즘을 구동하고, 모델을 훈련하고, 인사이트를 이끌어 내는 연료인 데이터가 필요하다. 데이터 관리 영역에서는 “쓰레기를 투입하면, 쓰레기가 나온다(garbage in, garbage out)”라는 오래된 격언이 있으며, 데이터 품질은 AI 시스템의 성능, 신뢰성 및 효율성에 직접적인 영향을 미친다. 그러므로 좋은 데이터의 중요성을 이해하는 것은 AI의 잠재력을 최대한 활용하는 데 가장 중요한 요소이다. 

 

 

 

 

AI 성공의 토대
좋은 데이터는 AI 시스템이 구축되는 기본이 되며, 관 련성이 높고 잘 구성된 데이터를 통해 AI 알고리즘은 패 턴을 학습하고, 예측을 수행하고, 정확하고 정밀하게 귀 중한 결과를 생성할 수 있다. 좋은 데이터가 없으면 AI 시 스템은 신뢰할 수 없는 결과를 생성하여 잘못된 결정과 차선의 결과로 이어질 수 있음을 명심하여야 한다. 프로세스 제어 시스템에 공급하든, 부품 품질을 확인하든, 자 동화된 로봇을 제어하든, 데이터 품질은 AI 애플리케이션의 성공에 가장 큰 영향을 미친다. 

 

향상된 의사 결정 

오늘날의 데이터 중심 세계에서 기업은 AI 기반 분석을 사용하여 실행 가능한 통찰력을 얻고 이에 입각한 결정을 내린다. 그러나 AI 기반 의사 결정의 효율성은 기본 데이터의 품질에 달려 있으며, 나쁜 데이터는 AI 알고리즘이 정확한 예측을 저 해하고 관련 추세를 예측하지 못하도록 결과를 도출한다. 

 

신뢰와 신뢰성 

신뢰는 AI 기술의 채택 및 수용에 있어 중요한 요소이며, 고객, 직원, 규제 기관 등 이해 관계자는 AI 시스템의 신뢰성과 무결성에 대한 확신을 가질 수 있어야 한다. 좋은 데이터는 AI 기반 프로세스에서 투명성, 일관성 및 책임성을 보장하여 신 뢰를 구축하는 데 중추적인 역할을 한다. AI가 고품질 데이터로 훈련되면 AI 알고리즘이 편향되지 않으며 오류 또는 비윤리 적 결과에 대한 가능성이 줄어들어 사용자와 이해 관계자 간의 신뢰를 높일 수 있다. 

 

혁신과 성장 

좋은 데이터는 혁신을 촉진하고 조직의 성장을 촉진한다. AI는 방대한 양의 정형 및 비정형 데이터를 활용하여 여러 분야의 숨겨진 패턴을 발견하고, 새로운 방향성을 도출하여 미개척 기회를 식별할 수 있도록 지원하여, 혁신과 성장이 지속하도록 도움을 준다. 

 

바. 사출성형 분야의 인공지능(AI) 적용에서 캐비티 압력 데이터의 중요성

 

대부분 성형기가 사출성형기의 범위 내에서 온도, 압력 및 유속과 같은 매개변수들을 모니터링 한다. 이러한 데이터는 프 로세스에 대한 전반적인 데이터를 제공하지만, 사출기 동작과 관련된 일부 데이터만을 알려주는 것에 불과함을 인지하여야 한다. 보다 정밀하고 안정적인 사출성형 프로세스를 확립하려면, 공정의 핵심인 캐비티(Cavity) 자체에 대해 더 깊이 파고 드는 것이 필수적이다. 캐비티 압력 데이터는 사출성형 공정 중 캐비티 내부의 용융 재료에 의해 가해지는 압력을 실시간으로 측정한 것을 말하며, 이 데이터는 부품 품질, 금형 성능 및 프로세스 일관성과 같은 프로세스의 중요한 측면에 대한 귀중한 통찰력을 제공한다. 

 

 

 

 

캐비티 압력 데이터가 매우 중요한 주된 이유 중 하나는 부품 품질을 보장할 수 있는 데이터와의 관련성이며, 용융 물질이 캐비 티를 채울 때 가해지는 압력을 모니터링함 으로써 제조업체는 미성형, 플래시, 또는 싱 크와 같은 잠재적 결함을 감지할 수 있다. 이를 통해 공정 매개변수를 즉시 조정할 수 있어 폐기율을 최소화하고, 최종적으 로 고객에게 고품질 제품만을 납품할 수 있다. 또한, 캐비티 압력 데이터는 사출성형 공정 자체를 최적화하는 데 중추적인 역할을 하며, 각 주기 동안 압력 프로파일을 분석함으로써 제조업체는 추세, 이상 및 개선 영역을 식별할 수 있다. 

 

AI가 사출성형에서 혁신적인 잠재력을 진정으로 발휘하려면 캐비티 압력 데이터를 포함한 포괄적이고 세분화된 데이터 에 접근이 가능하여야 하며, 캐비티 내부의 실시간 압력 데이터를 AI 시스템에 공급함 으로써 새로운 차원의 정밀도, 효율성 및 혁 신을 실현할 수 있다. 이러한 데이터를 수집 하려면 금형에 캐비티 압력 센서를 설치하 고 기계에 공정 제어 시스템을 설치하는 것 이 중요하며, 올바른 센서를 올바른 위치에 배치하는 것도 중요하다. 

 

현재 사출성형 산업 전반에 걸쳐 새로운 AI 기술이 등장하고 있지만, 이러한 기술을 현장에 적용하기 전에 이러한 기술과 작동 방식을 완전히 이해하여 생산 프로세스에 이점이 아닌 손해가 되지 않도록 하는 것이 매우 중요하다. 이러한 관점에서 개발된 새로운 기술 중 하나는 RJG 사의 MAX 시스템이다.Molding Automation Xperience, 또는 줄여서 MAX는 직관적이고 사용하기 쉬운 인터페이스를 특징으로 하며, 프로세스를 최적의 성능으로 복원하는 데 도움이 되는 단계별 조언을 제공한다. 입증된 Master Molder® 기술로 구동되는 이 스마트 AI는 전에 없던 수준의 제어, 효율성 및 품질을 제공할 수 있다.

 

 

 

 

이 스마트 어시스턴트는 공정 매개변수 를 실시간으로 모니터링하고 문제 해결 조언(Advice)을 제공하여 성형 작업자가 문제를 신속하게 해결하고 생산성을 향상 시킬 수 있도록 지원한다. MAX는 사출성형 공정이 최고의 성능으로 가동될 수 있도록 지원하는 것에 1차적인 목적을 둔다. 또한, 경쟁사와의 기술 격차를 줄이는 동시에 스크랩 및 가동 중지 시간을 최소화하여 효율성을 높이며, 부품 품질을 향상시켜야 하는 성형업체의 요구 사항을 해결하는 데 도움을 준다. 

 

 

 

핵심 요약 

 

1. AI에는 다양한 유형이 있으며, 가장 도움이 되는 도구를 찾는 것이 중요하다. 

 

2. AI를 적절하게 사용하면 효율성, 생산성, 수익성 및 지속 가능성에 도움이 될 수 있다. 

 

3. 데이터 보안 조치가 마련되어 있고, 예산이 AI의 초기 비용에 맞게 조정되도록 하는 것이 중요하다. 

 

4. 정확하고 신뢰할 수 있는 데이터는 성공적인 AI 구현에 절대적으로 필요하다. 

 

5. 캐비티 압력 데이터는 금형 내부의 현상에 대한 전체적인 그림을 제공하며, AI 시스템의 성공에 필요한 정보를 제공하는 데에 매우 중요하다.