식품운영 중AI 품질예측

압출 시트 두께 실시간 예측

식품 용기 공장 · 플라스틱 시트 압출 연속 라인 · 시트 두께 · 2026.03 1차 검증 · 운영 중

  1. 1. 센서·품질 데이터 시차 보정
  2. 2. 1분 주기 두께 예측
  3. 3. 원인 변수 안내·알림

01 해결한 문제

  • 늦게 보이는 불량: 압출 앞단의 온도·압력이 바뀌어도 뒷단 두께 측정에 닿기까지 시간이 걸렸습니다. 불량을 알았을 때는 원단을 이미 버려야 했습니다.
  • 섞여 들어오는 무효 데이터: 원부자재를 바꾸거나 설비가 멈춘 구간에도 센서 값이 쌓였습니다. 분석이 흐려졌습니다.
  • 감에 기댄 운전 조건: 여러 제품을 번갈아 생산할 때 속도·온도·압력 기준은 작업자 경험에 맡겨져 있었습니다.

02 활용 데이터

데이터쓰임
설비 PLC 센서 (인취 속도·수지 압력·압출 속도·실린더·다이스 온도 등)예측 입력값
뒷단 시트 두께 측정값학습 정답값
생산 제품·규격 정보제품군별 모델과 시차 선택

센서 값과 두께 측정값은 이송 시간만큼 어긋나 있습니다.
그래서 제품군별 시차를 계산해 같은 원단 구간끼리 짝지었습니다.

03 구축 기능

  1. 센서·품질 데이터 시차 보정: 라인 속도로 이송 시간을 계산합니다. 앞단 조건과 뒷단 두께를 맞춥니다.
  2. 1분 주기 두께 예측: 지금 나오는 원단의 두께를 1분마다 예측합니다.
  3. 원인 변수 안내·알림: 두께를 움직인 공정 조건과 방향을 보여 줍니다. 현장 화면과 경광등으로 알립니다.
  • 시차 자동 계산: 계산한 이송 시간이 현장 실측과 0.5% 차이로 맞는 것을 확인했습니다.
  • 정지 구간 자동 제외: 설비가 멈추거나 자재를 바꾸는 구간을 골라냅니다. 정상 가동 데이터로만 학습합니다.
  • 원인 설명: 여러 모델을 함께 씁니다. 어떤 센서가 두께를 늘리고 줄였는지 변수별로 설명합니다.
  • 재학습 관리: 학습 이력과 데이터 변화를 기록합니다. 모델을 다시 학습시키는 과정도 관리합니다.

데이터 수집부터 재학습까지의 과정은 2026년 3월 외부 기관의 1차 검증을 거쳤습니다.

04 효과

효과 수치는 운영 데이터를 모아 측정한 뒤 추가합니다.

두께를 움직이는 조건이 보입니다
속도, 압력, 온도가 두께에 주는 영향을 제품군별로 볼 수 있습니다.

불량 징후를 더 일찍 봅니다
뒷단 측정을 기다리지 않습니다.
앞단 조건으로 두께 변화를 미리 확인합니다.

고참의 감이 모두의 기준이 됩니다
경험에 기대던 운전 조건이 화면의 조정 방향으로 바뀝니다.
누가 맡아도 같은 기준으로 대응합니다.

05 지표

사양

1분

품질 예측 주기

현장 PC에서 실시간 추론

실측

0.5%

시차 계산 검증 오차

계산 51.85초 vs 현장 측정 51.6초, 1회 검증

사양

5개 제품군

제품군별 예측 모델

제품 규격별로 모델과 시차를 따로 관리

사양

변수별 영향 방향 제시

원인 변수 안내

속도·압력·온도 등 센서가 두께를 늘리는지 줄이는지 함께 표시

실측은 현장에서 측정한 값, 사양은 시스템 성능·설정값입니다. 기준 2026-10.

비슷한 도입을 검토하고 계신가요?

운영 중인 화면과 구축 과정을 상담에서 자세히 보여 드립니다.

전화 상담도입 상담 신청