A Study on Defect Prediction Method Using Sensor Data and Machine Learning in Manufacturing Process

제조회사에서 생산되는 제품의 불량을 예측하는 것은 기업의 이익과 직접적으로 관련되기 때문에 매우 중요한 문제로 간주한다. 불량품을 판별하는 전통적인 방법은 사람이 직접 수작업으로 불량품을 식별하는 것이다. 이런 방법은 인적 오류에 의한 오류 발생의 가능성이 크고 많은 사람에게 의존해야 하므로 비용이 많이 발생하며 이미 불량이 발생한 후 불량품을 찾는 사후 처방적인 방법이다. 본 연구는 센서 기술과 머신러닝 기법을 활용하여 제품의 불량을 사전에 예측할 방법을 제안한다. 센서는 생산 설비의 중요 처리 부위에 부착하여 압력, 속도, 온도 등의 품질에 영향을 미칠 수 있는 데이터를 실시간으로 수집하였다. 제품의 불량 여부를 판별하기 위해 제품의 무게를 자동으로 계측하는 센서 장비를 사용하였고, 무게의 변동계수(Coefficient of Variation)를 종속 변수로 사용하였다. 수집된 데이터에 Linear Regression, Gradient Boosted Tree, Deep Learning 등의 알고리즘을 적용하여 예측 모델을 구축하였다. 분석 결과 Deep Learning이 제품 불량 예측에서 가장 탁월한 성과를 보였다.