1. 수행배경

• 스마트팩토리 시장의 급성장과 더불어 중소기업의 스마트 팩토리 도입의 어려움들(데이터 운용 전문 인력 부족, 시스템 활용을 위한 추가업무 부담, 데이터활용을 위한 교육 부족)을 해결하기 위해, 저희 팀은 누구나 쉽게 운용할 수 있는 맞춤형 스마트 공정 관리 개선 시스템을 개발하고자 했습니다.
• 스마트 공정 관리 개선 시스템은 각기업의 데이터를 분석하여 공정 속 불량품을 빠르게 예측합니다. 또한 결과를 시각화 자료로 제공하며, 최종적으로 각 기업에 맞춘 솔루션을 제공하고자했습니다.

2. 수행기간

• 초기 상담 (1주): 기업체와의 상담을 통해 프로젝트의 방향성을 정립하고, 제조 공정 데이터의 특성과 기업의 요구사항을 면밀히 파악하여 프로젝트의 목표와 접근 방식을 구체화했습니다.

• 기술 구현 (8주):  1) 데이터 전처리: 결측치 처리, 이상치 제거, 변수 선택 등 일괄적인 전처리 작업을 수행했습니다.
•                            2) 모델 개발: DNN 모델과 휴리스틱 라이브러리를 활용하여 불량 예측 모델을 개발하고 성능을 비교 분석했습니다.

• GUI 시스템 구현 (4주): 사용자가 실시간으로 공정 데이터를 입력하고 예측 결과를 확인할 수 있는 인터페이스를 개발했습니다.

• 발표 준비: 프로젝트 결과를 정리하고 발표 자료를 작성하여 체계적으로 정리했습니다.

3. 개발작품 설명

• 공정 데이터를 활용한 불량 예측 모델을 개발하고, 이를 기반으로 사용자 친화적인 GUI 시스템을 구현했습니다.

• 데이터 전처리 단계에서 결측치 처리, 이상치 제거, 변수 선택 등을 통해 초기 데이터셋을 구축했습니다. 이후 딥러닝 기반의 DNN 모델과 8가지 휴리스틱 라이브러리를 활용하여 불량 예측 모델을 개발하고 성능을 분석했습니다. 개발된 GUI 시스템은 사용자가 실시간으로 공정 데이터를 입력하고, 예측 결과를 시각화하여 확인할 수 있도록 설계되었습니다.

개발절차:

• 데이터 전처리: 파이썬을 사용하여 3가지 데이터셋에 대해 동일한 전처리 작업을 수행했습니다.
• 불량 예측 모델: DNN 모델은 6개의 Dense Layer와 1개의 Dropout Layer로 구성되었으며, 파이썬 라이브러리를 활용해 성능 비교를 진행했습니다.
• GUI 개발: PyQt 라이브러리를 활용하여 사용자 친화적인 GUI를 개발했습니다.

 GUI 기능:

• 데이터 선택: 사용자가 csv 파일 형태의 공정 데이터를 선택할 수 있도록 했습니다.
• 데이터 입력: 양품/불량품명과 취급 형태를 입력하는 란을 추가했습니다.
• 모델 선택: 데이터 분석 모델을 선택하는 기능을 제공했습니다.
• 성능 시각화: 모델의 f1-score를 시각화하고, Roc curve와 혼동행렬을 통해 성능을 확인할 수 있도록 했습니다. Feature Importance를 통해 불량에 영향을 미치는 변수를 파악할 수 있게 했습니다.

4. 활용방안

1) 중소기업의 품질 관리 시스템: 개발된 불량 예측 모델과 GUI 시스템을 통해 중소기업의 제조 공정에서 발생하는 불량품을 조기에 예측하고 관리하여 품질 향상과 생산성 증대에 도움을 줄 수 있습니다. 

2) 스마트팩토리 도입 촉진: 중소기업이 손쉽게 스마트팩토리를 도입할 수 있도록 지원하며, 데이터 분석과 실시간 모니터링을 통해 제조 공정의 디지털 전환을 촉진합니다.

3) 예방적 유지보수 시스템: 설비 고장 예측 및 예방적 유지보수를 통해 생산 중단을 최소화하고, 유지보수 비용을 절감하여 공정의 효율성을 높일 수 있습니다.

4) 데이터 기반 의사결정 지원: 공정 데이터 분석 결과를 시각화하여 제공함으로써, 관리자들이 데이터 기반으로 공정을 최적화하고 의사결정을 내릴 수 있도록 지원합니다.

5) 다양한 제조 공정 적용: 다양한 제조 공정 데이터에 대한 적용이 가능하여, 넓은 범위의 제조업에서 해당 시스템을 활용할 수 있습니다. 시스템은 공정별 최적화된 예측 모델을 제공합니다.