AI 모델
압출 공정 원단 두께 예측을 위한 설비 IoT·두께 실측 시계열 데이터 (PS 발포시트, 25만 건)
PS 발포시트 압출 3호기에서 5초 주기로 수집한 설비 IoT 센서 22종(온도·수지압·가스압·인취속도 등)과 원단 폭 방향 9개 지점의 두께 실측값을 시각 정렬한 정형 시계열 데이터(250,879건)입니다. 센서-측정기 간 시계 오차 및 물리적 이송 지연(평균 44초)을 교차상관 분석(-130초 보정)으로 정밀 동기화했습니다. 스파이크 보간, 세그먼트 영점 앵커링을 완료하고 기동·제품교체·롤교체 구간 플래그를 부여하여 즉시 학습에 활용할 수 있습니다.
AI 모델 정보
본 모델은 압출 3호기의 원단 두께를 측정기 도달 이전(평균 약 44초 전)에 선행 예측하는 분위수 XGBoost 회귀(q10·q50·q90) 모델이다. 5초 주기로 수집되는 설비 센서 22종의 멀티스케일 변화량(2·5·10분)을 입력으로 두께 변화량(ΔT)을 예측하고, 현재 실측 두께에 이를 더해 미래 두께를 재구성한다. q50이 대표 예측값을, q10~q90 밴드가 예측 신뢰 구간을 제공하여 운전원의 선제 조정을 지원한다.
학습·검증에 사용하지 않은 평가 구간에서 MAPE 0.574%, R² 0.9936, RMSE 0.02mm를 달성하였으며, 이 예측을 통한 선제 두께 조정으로 주력 2.5t 계열의 공정능력지수(Cpk)가 도입 전 대비 +17.2% 향상되었다.
학습 데이터 셋 정보
| 업종 | 제지 | 유형 | CSV | |
|---|---|---|---|---|
| 목적 | 품질 보증 | 데이터 등록일 | 2026-10-06 07:09:28 | |
| 사용조건 | 콘텐츠 변경 불가 | 데이터셋 수정일자 | ||
| 제공기관 | 코드베이스(CodeBase) | |||
| 태그 | 비전/IoT, 시계열, 두께예측, 압출공정, PS발포시트, 품질예측, 공정최적화, XGBoost | |||
| 내용 | 적용 공정 | PS 수지를 용융·압출하여 식품 포장용 발포시트(공칭 두께 1.5~2.6t)를 생산하는 압출기 3호기 공정. 스크류 구간부터 다이, 냉각·인취 구간을 포함합니다. 다이 출구에서 두께 측정기까지의 이송 지연 구간(12.3m) 동안 두께 이탈을 사전 예측하여 불량을 예방하는 것이 핵심 목표입니다. | ||
| 소개 | 사후에만 확인 가능했던 압출 원단의 두께 이탈을 사전에 예측·제어하기 위해 구축된 데이터셋입니다. 다이 립 갭 변수를 고려하여 절대 두께가 아닌 변화량(ΔT)을 예측하도록 설계되었습니다. 본 데이터셋으로 학습된 분위수 XGBoost 모델은 MAPE 0.574%, R² 0.9936을 달성했으며, 현장 적용 후 공정능력지수(Cpk)가 0.985에서 1.154로 17.2% 향상되었습니다. 프리즈 행, 스파이크 등 40%에 달하던 원시 로그의 데이터 품질 이슈를 10단계 정제 파이프라인으로 완벽히 정제하여 시계열 회귀 및 이상 감지 AI 모델 연구에 바로 활용 가능합니다. | |||
| 출처 | 설비 IoT 센서: 압출 3호기 센서 22종의 데이터(5초 주기)를 MariaDB에 적재 후 원시값 스케일링 복원(÷10). 두께 실측: 비접촉식 두께 측정기로 9개 지점(1~5초 주기)을 동시 측정하여 PostgreSQL에 적재 후 평균값 산출(mm 단위 변환). MES 연동: MES 압출 실적 시각을 기준으로 품목코드 및 공칭 두께 매칭. 시간 동기화: 교차상관 분석 기반 시간 조인을 통해 센서 데이터와 두께 변화의 물리적 인과관계를 동기화. | |||
| 데이터개수/데이터셋 총량 | 0개 / 58,615,515Byte | |||