KITECH 생산기술 전문지

사출성형은 용융수지의 가소화, 충전, 보압, 냉각, 고화가 짧은 주기 안에서 연속 진행되는 비선형 제조공정이다. 동일한 사출기 설정값을 적용해도 재료 lot의 점도와 수분, 스크류·체크링 상태, 금형 열평형, 장비 응답특성에 따라 실제 압력 이력과 최종품질이 달라질 수 있다. 이에 최근에는 사출기 내장신호와 금형 내 압력·온도 신호를 이용해 공정상태를 추정하고 품질을 예측하는 연구가 확대되고 있다[1,2]. 국내에서도 인공지능을 활용한 소재·공정 최적화와 자율제어 기술이 소개되고 있다[3]. 본고에서는 센서 기반 품질예측을 현장에 적용하는데 필요한 핵심기술을 중심으로 설명가능 AI(Explainable Artificial Intelligence, XAI), 전이학습(Transfer Learning), 디지털 트윈(Digital Twin)의 역할과 단계별 도입전략을 정리하였다. 새로운 알고리즘을 제안하기보다 선행연구를 현장 구축순서와 검증기준의 관점에서 재구성하는 데 목적이 있다.

키워드 사출성형, AI, 품질예측