품질은 유지하고, 가공시간은 줄이다 | AI 기반 연삭조건 최적화 시스템
O사의 연삭기는 장비 제작 후 시운전 과정에서 엔지니어가 가공 결과를 확인하고 여러 조건을 반복적으로 조정하며 적정한 가공조건을 찾아야 했습니다.
삼원FA는 연삭기에서 발생하는 운전 데이터와 품질 검사 결과를 AI로 분석해, 품질을 유지하면서 가공시간을 줄일 수 있는 조건을 찾아주는 연삭조건 최적화 시스템을 구축했습니다.
Industry
Smart Manufacturing · Precision Machining
Application
Grinding Process Optimization · Quality Prediction · Process Analysis
Technology
AI Prediction · Time-series Data Analysis · Process Optimization
숙련자의 경험에 의존하던 연삭조건 설정
정밀 연삭에서는 가공량과 속도, 시간, 설비 부하 등 여러 조건이 서로 영향을 주면서 제품의 품질과 전체 가공시간을 결정합니다.
특히 장비를 제작한 뒤 실제 생산조건을 맞추는 시운전 단계에서는 품질 기준을 만족하면서 가능한 한 짧은 시간에 가공할 수 있는 조건을 찾아야 합니다.
기존에는 숙련 엔지니어가 직접 조건을 변경하고 가공 결과를 확인하는 과정을 반복했습니다. 경험이 중요한 작업인 만큼 적정 조건을 찾는 데 시간이 필요했고, 작업자의 숙련도에 따라 결과에도 차이가 발생할 수 있었습니다.
이번 프로젝트는 설비에서 발생하는 데이터를 축적하고 실제 품질 결과와 연결해, 엔지니어가 더 빠르고 체계적으로 적정 조건을 찾을 수 있는 분석 체계를 만드는 것이 필요했습니다.
The Challenge
품질과 가공시간을 함께 판단해야 했습니다
가공시간이 짧다고 해서 좋은 조건이라고 볼 수는 없습니다.
시간을 줄이더라도 진원도와 조도 등 요구되는 품질 기준을 만족하지 못하면 실제 생산조건으로 사용할 수 없기 때문입니다.
따라서 단순히 가장 빠른 조건을 찾는 것이 아니라 품질 기준을 만족하는 범위 안에서 가공시간을 줄일 수 있는 조건을 찾는 방식이 필요했습니다.
설비에서 발생하는 데이터를 활용해야 했습니다
연삭기 내부에서는 가공량, 속도, 시간, 전류, 부하 등 다양한 데이터가 계속 발생하고 있었습니다. 하지만 기존에는 이러한 정보를 지속적으로 수집하고 실제 품질 결과와 연결해 분석하기 어려웠습니다.
AI가 적절한 조건을 판단하기 위해서는 먼저 설비의 운전조건과 가공 후 검사 결과를 하나의 데이터로 연결하는 환경이 필요했습니다.
실제 가공 외의 동작시간도 확인해야 했습니다
한 번의 작업시간에는 제품을 실제로 연삭하는 시간만 포함되는 것이 아닙니다. 설비가 이동하거나 다음 작업을 준비하고 대기하는 시간도 전체 가공시간에 영향을 줍니다.
따라서 연삭조건뿐 아니라 설비가 어떤 순서로 움직이고 각 동작에 얼마나 시간이 사용되는지 함께 분석하는 방식이 필요했습니다.
The Solution
삼원FA는 연삭기 운전 데이터와 품질 검사 결과를 함께 수집하고, 이를 기반으로 가공시간과 품질을 예측한 뒤 적정한 가공조건을 탐색하는 시스템을 구축했습니다.
시스템의 기본적인 데이터 흐름은 다음과 같습니다.
연삭기에서 수집되는 데이터와 실제 검사 결과를 연결함으로써, 기존에는 경험으로 판단했던 가공조건을 데이터로 비교하고 분석할 수 있도록 했습니다.
설비 데이터를 분석해 더 나은 가공조건을 찾다
가공조건과 품질 데이터를 함께 분석해 품질을 유지하면서 가공시간을 줄일 수 있는 조건을 찾는 과정을 구성했습니다.
설비 데이터 수집
연삭기가 가동될 때 발생하는 가공량, 속도, 시간, 전류와 부하 등의 데이터를 자동으로 수집합니다. 여기에 가공 후 측정한 진원도와 조도 결과를 함께 연결해 어떤 조건에서 어떤 품질의 제품이 만들 어졌는지 확인할 수 있는 데이터를 구축했습니다.
가공시간 예측
축적된 데이터를 분석해 특정 가공조건을 적용했을 때 예상되는 가공시간을 예측합니다. 이를 통해 엔지니어가 모든 조건을 직접 시험하지 않더라도 어떤 조건에서 시간이 길어지거나 짧아지는지 사전에 비교할 수 있도록 했습니다. 실증 결과 가공시간 예측값은 실제값과 평균 0.7% 수준의 오차를 나타냈습니다.
품질을 고려한 조건 탐색
가공시간이 짧더라도 품질 기준을 만족하지 못하면 실제 생산에 적용할 수 없습니다. AI는 연삭 과정에서 나타나는 설비 부하의 변화와 실제 검사 결과를 분석해 해당 조건에서 품질 기준을 만족할 가능성을 함께 판단합니다. 먼저 품질을 만족할 가능성이 높은 조건을 선별하고, 그 범위 안에서 가공시간을 더 줄일 수 있는 조건을 탐색했습니다. 실증에서는 품질 판별 모델에서 약 94% 수준의 정확도를 확인했습니다.
설비 동작시간 분석
전체 작업시간을 줄이기 위해서는 실제 연삭뿐 아니라 설비의 이동과 대기시간도 함께 확인해야 합니다. 삼원FA는 설비 제어 데이터를 이용해 각 동작의 시작과 종료 시점, 동작 순서와 소요시간을 시각화했습니다. 이를 통해 어떤 구간에서 시간이 많이 사용되는지 확인하고, 불필요한 동작이나 대기시간을 개선할 수 있는 기준을 마련했습니다.
경험 중심의 조건 설정에서 데이터 기반 가공 최적화로
이 프로젝트의 핵심적인 변화는 연삭기에 AI 기능 하나를 추가했다는 데 있지 않습니다.
기존에는 엔지니어가 직접 조건을 변경하고 결과를 확인하면서 적정값을 찾아야 했다면, 이번 시스템에서는 축적된 데이터를 분석해 가능성이 높은 조건을 먼저 찾아볼 수 있는 기반을 만들었습니다.
실증에는 실제 SGI-150 내경 연삭기의 가공 데이터와 10만 건 이상의 설비 부하 데이터가 활용됐습니다.
가공시간 예측에서는 평균 0.7% 수준의 오차, 품질 판별에서는 약 94%의 정확도를 확인했습니다.
또한 최적 조건을 적용했을 경우 기존 약 28초였던 한 번의 전체 작업시간을 약 21초 수준까지 줄일 수 있는 가능성을 도출했습니다.
28초에서 21초로의 변화는 실제 양산설비를 장기간 운영해 측정한 확정 실적이 아니라, 실증 데이터를 바탕으로 계산한 최적화 결과입니다.
이번 실증의 의미는 단순한 시간 단축 수치보다, 사람이 조건을 하나씩 바꾸며 찾아야 했던 과정을 축적된 데이터를 이용해 보다 체계적으로 분석할 수 있게 됐다는 점에 있습니다.
why SAMWON FA
제조 현장에서 AI를 활용하기 위해서는 데이터 분석 기술만으로 충분하지 않습니다.
어떤 설비 데이터를 가져올 것인지 정의하고, 실제 제어기와 연결해 데이터를 수집하며, 품질 검사 결과와 연계하고, 분석 결과를 작업자가 활용할 수 있는 시스템으로 구현해야 합니다.
삼원FA는 이번 프로젝트에서 연삭기 설비 데이터 수집부터 AI 분석, 조건 최적화, 설비 동작 분석 및 모니터링까지 하나의 시스템으로 연결했습니다.
산업자동화 현장에서 축적한 설비 제어와 데이터 수집 기술에 AI 분석을 결합함으로써, 현장에서 발생하는 데이터를 실제 설비 개선에 활용할 수 있는 구조를 구현했습니다.
Next Step
이번 프로젝트는 숙련자의 경험과 반복적인 시운전에 의존했던 가공조건 설정을 데이터를 기반으로 보조할 수 있다는 가능성을 보여줍니다.
향후 다양한 제품과 가공조건에 대한 데이터가 지속적으로 축적되면 새로운 작업을 준비할 때도 과거 데이터를 바탕으로 적정한 초기 조건을 보다 빠르게 검토할 수 있습니다.
또한 품질 검사 결과와 설비 데이터를 지속적으로 연결하면 조건 추천에서 한 단계 더 나아가 설비가 가공상태를 판단하고 적정 조건을 제안하는 방향으로의 고도화도 검토할 수 있습니다.
정밀 연삭뿐 아니라 품질과 생산시간 사이의 적정 조건을 반복적으로 찾아야 하는 다양한 제조공정에서도 동일한 접근 방식의 활용 가능성을 검토할 수 있습니다.
Project facts
프로젝트 | AI를 활용한 연삭조건 최적화 및 가공시간 단축 솔루션 실증
고객 | 오알에스코리아
적용 설비 | SGI-150 내경 연삭기
적용 분야 | 베어링 내경 정밀 연삭
프로젝트 기간 | 2022.07.25 ~ 2022.11.24
주요 기능
- 연삭기 운전 데이터 자동 수집
- 가공조건 및 품질 데이터 분석
- 가공시간 예측
- 품질 판별
- 적정 가공조건 탐색
- 설비 동작 순서 및 소요시간 분석
- 분석 결과 모니터링
주요 실증 결과
- 가공시간 예측 오차: 평균 0.7%
- 품질 판별 정확도: 약 94%
- 분석 데이터: 10만 건 이상의 설비 부하 데이터
- 가공시간: 약 28초 → 약 21초 수준의 단축 가능성 도출
가공시간 단축 수치는 실증 데이터를 기반으로 산출한 최적화 결과입니다.