미리봄멈추기 전에, 미리 봅니다데모 · 공개/합성 데이터 · 연결 중

미리봄은 이렇게 작동합니다

설비 센서 값을 1초 단위로 모으고, AI 모델이 고장과 불량의 징후를 실시간으로 판단합니다. 사람이 그래프를 지켜보지 않아도 이상이 생기면 원인 후보와 함께 경보를 보냅니다.

데이터 흐름

  1. 설비(또는 이 데모의 가상 설비)가 센서 값을 MQTT 로 보냅니다.
  2. 수집 서버가 값을 시계열 DB 에 저장하고 실시간 채널로 흘려보냅니다.
  3. AI 추론 서버가 값을 받아 이상 점수·불량 확률·공구 수명을 계산합니다.
  4. 관제 화면과 3D 디지털 트윈이 1초 단위로 갱신되고, 기준을 넘으면 경보가 뜹니다.

AI 모델

  • CNC 스핀들 이상탐지 — 정상 데이터만으로 학습한 Isolation Forest. 고장 데이터가 없어도 "평소와 다름"을 잡아냅니다.
  • 공구 수명 예측 — 절삭력·진동·부하로 공구 마모도를 추정하고, 마모 속도를 반영해 교체까지 남은 가공 수를 계산합니다.
  • 사출 불량 예측 — 금형·실린더 온도, 사출 속도, 보압, 쿠션량으로 샷마다 불량 확률을 내고, 기준에서 가장 벗어난 조건을 원인 후보로 보여 줍니다.
  • 체결 이상탐지 — 토크-각도 곡선의 특징(최종 토크, 각도, 기울기)으로 나사산 손상·나사 누락을 감지합니다.
  • 비전 외관 검사 — 이 데모에서는 검사 모델의 출력을 모사합니다. 실제 적용 시 정상 이미지만으로 학습하는 PatchCore 와 결함 위치를 찾는 YOLO 를 씁니다.

데이터 출처와 라이선스

이 공개 데모의 화면 데이터는 모두 합성 데이터입니다. 금속가공·사출·조립 공정에서 알려진 물리적 관계(공구가 닳으면 절삭력과 진동이 오른다, 금형 온도가 낮으면 미성형이 늘어난다 등)를 바탕으로 만들었으며, 실제 고객사의 데이터나 성과가 아닙니다.

모델 설계와 검증에는 아래 공개 데이터셋을 참고합니다. 데모 화면에 직접 쓰는 데이터는 상업적 이용이 허용된 라이선스만 사용합니다.

데이터셋용도라이선스
Injection-Molding Production Data with Quality Labels (SKZ · Fraunhofer IPA)사출 공정 변수와 불량 관계CC BY 4.0
Industrial screw driving dataset collection (TU Dortmund)체결 토크-각도 곡선CC BY 4.0
Visual Anomaly (VisA) (Amazon)비전 외관 결함 검사CC BY 4.0

실제 공장에 적용하면

데이터 재생기 자리에 공장의 엣지 게이트웨이(PLC·센서 → MQTT)를 연결하고, 현장 데이터로 모델을 다시 학습합니다. 실시간 수집과 추론은 공장 안의 서버에서 돌아가 인터넷이 끊겨도 경보가 멈추지 않습니다.