[제조/품질/PLC 데이터 AI최적화] KAMP 제조데이터 공정 운영 최적화(도금 공정)

KAMP에서 공개한 데이터 및 가이드북을 바탕으로 알고리즘을 통한 품질 예측 실습을 진행해본다.

 

Dataset_공정운영 최적화 AI 데이터셋.zip

0.54MB

Guidebook_공정운영 최적화 AI 데이터셋.pdf

10.56MB

활용 관련 : 도금 공정, 케미칼(불화수소 등) 품질 수율 향상

 

Github Repo : https://github.com/chonje/MachineLearning/tree/main/KAMP/optimization_of_process_operation

 

도금 공정의 최적 조건을 탐색하는 모델을 개발한다. Decision Tree로 실습하는 내용이며 산출된 모델로 역추산하여 최적조건을 찾아낼 수 있다.

추가로, SVM 모델을 적용해 Accuracy를 향상해 보고자 했다.

 

■ 본 분석이 적용 가능한 제조 현장 소개
- 도금에는 많은 방식이 존재한다. 크게 나누어 전기도금, 화학도금, 용융도금 등이 있으며, 화학도금은 전기가 통하지 않는 제품을 화학도금액에 넣어 도금하는 것을 의미하고, 용융 도금은 비철 금속을 녹여서 도금할 제품을 넣어 용융금속의 피막을 입히는 것을 의미하며, 전기도금에는 동도금, 니켈도금, 크롬도금, 아연도금, 주석도금 등이 있다. 이 중에서 품질 이상탐지/진단(전해탈지)의 경우 전해탈지 공정을 의미하며 유사한 프로세스를 갖는 전기도금 공정에서 사용될 수 있다.
■ 타 제조 현장 적용 시, 주요 고려사항

- 공정별 불량데이터 추적이 가능한 제품이 필요하다. 도금공정 특성상 도금이 완료된 제품 이 한 번에 나오는데 같은 공정을 진행한 제품에 대한 불량데이터 관리가 필요하다.
- 수집되는 공정 데이터와 불량데이터 관리가 필요하다. 제품이 완료된 후 나오는 불량데이터와 해당 제품에 대한 공정 데이터의 매칭 시 Lot NO와 같은 특정 기준을 통해 통합 관리가 필요하다. 이러한 데이터 매칭을 위해 현장 실무자와 AI 분석 전문가가 이러한 상황을 미리 논의하여 정리한 후 데이터를 수집하는 시스템을 환경을 구축해야 한다.

 

 

Optimization of process operation.ipynb

0.67MB