KITECH 생산기술 전문지

최근 전기차 보급 확대에 따라 차량 정숙성에 대한 요구가 증가하면서, NVH(Noise, Vibration, Harshness) 성능을 좌우하는 웨더스트립 부품의 품질 중요성이 더욱 부각되고 있다. 웨더스트립은 복잡한 단면 구조와 다양한 고무 소재가 동시에 적용되는 공압출(co-extrusion) 공정을 통해 제조되며, 공정 변수 간 비선형적 상호작용과 긴 가류 라인으로 인한 시차(Dead Time) 문제로 인해 형상 품질의 안정적 관리가 어렵다. 특히 공정 조건 변경 이후 실제 치수 변화가 확인되기까지 약 10~15분의 지연이 발생하여, 현장에서는 숙련 작업자의 경험에 의존한 수동 제어 방식이 주로 활용되어 왔다. 본 연구에서는 이러한 한계를 극복하기 위해 웨더스트립 공압출 제조공정을 대상으로 AI 기반 피드백 제어 기술을 개발하고, 이를 화승T&C 양산 라인에 적용하여 현장 실증을 수행하였다. 제안 기술은 초기 가동 단계와 정상 생산 단계를 구분한 이중 제어 구조로 구성된다. 초기 단계에서는 Random Forest 기반 초기 공정조건 예측 모델을 적용하여 최적 스크류 속도를 도출함으로써 반복적인 Trial & Error 과정을 최소화하였다. 이를 통해 가동 초기 발생하는 소재 손실과 에너지 낭비를 효과적으로 저감하였다. 정상 생산 단계에서는 인공신경망(ANN) 기반 비전 피드백 제어 모델을 적용하였다. 가류 및 냉각 이후 구간에 설치된 3D 레이저 비전 센서를 통해 주요 형상 치수를 실시간으로 계측하고, 공정 상태 변화량과 치수 오차를 통합 입력으로 활용하는 인버스 모델링 기법을 적용하여 가류 라인으로 인한 시차 문제를 보완하였다. 또한 주성분 분석(PCA)을 통해 공정 데이터의 중복 정보를 제거함으로써 제어 안정성을 향상시켰다. 7개월간 축적된 72,732건의 양산 데이터를 기반으로 개발된 AI 모델을 실제 생산 라인에 적용한 결과, 주요 형상 부위의 치수 오차를 −0.1 mm에서 +0.2 mm 이내로 안정적으로 유지하였으며, 공정 불량률 9% 감소와 소재 손실 23% 감소 효과를 확인하였다. 이를통해 AI 기반 피드백 제어 적용 기술의 산업현장 적용 가능성을 실증한 사례로서, 향후 시차 특성을 갖는 다양한 제조공정으로의 확장 가능성을 보여준다.

키워드 웨더스트립, 공압출 공정, AI공정 제어, 피드백 제어, 시차 보상 제어