[논문 리뷰] An IIoT machine model for achieving consistency in product quality in manufacturing plants

Abhik Banerjee, Abdur Rahim Mohammad Forkan외 3명|arXiv (Cornell University)|2021. 09. 27.

Industrial Vision Systems and Defect Detection인용 수 5

한 줄 요약

이 논문은 실시간 모니터링 및 제어를 가능하게 하는 IIoT 기반의 머신 러닝 모델을 제안하여 식품 가공 공장에서 일관된 제품 품질을 확보한다. 실제 데이터를 활용해 모델은 높은 정확도로 제품 품질을 예측하고 실행 가능한 기계 제어 권고를 제공하여 데이터 기반 의사결정을 통해 품질 변동성을 크게 감소시킨다.

ABSTRACT

Consistency in product quality is of critical importance in manufacturing. However, achieving a target product quality typically involves balancing a large number of manufacturing attributes. Existing manufacturing practices for dealing with such complexity are driven largely based on human knowledge and experience. The prevalence of manual intervention makes it difficult to perfect manufacturing practices, underscoring the need for a data-driven solution. In this paper, we present an Industrial Internet of Things (IIoT) machine model which enables effective monitoring and control of plant machinery so as to achieve consistency in product quality. We present algorithms that can provide product quality prediction during production, and provide recommendations for machine control. Subsequently, we perform an experimental evaluation of the proposed solution using real data captured from a food processing plant. We show that the proposed algorithms can be used to predict product quality with a high degree of accuracy, thereby enabling effective production monitoring and control.

연구 동기 및 목표

• 복잡하고 상호의존적인 공정 변수로 인해 발생하는 제품 품질의 일관성 부족 문제를 해결하기 위해.
• 품질 관리에서 수동적이고 경험 기반의 간섭에 의존하는 것을 줄이기 위해.
• 실시간으로 기계를 모니터링하고 제어할 수 있는 데이터 기반의 IIoT 기반 시스템을 개발하기 위해.
• 센서 및 운영 데이터를 활용해 생산 중인 제품의 품질을 정확하게 예측할 수 있도록 하기 위해.
• 품질 일관성을 유지할 수 있도록 실행 가능한 기계 제어 권고를 제공하기 위해.

제안 방법

• 제안된 IIoT 기계 모델은 제조 장비에서 수집한 실시간 센서 데이터를 머신 러닝 알고리즘과 통합하여 품질 예측을 수행한다.
• 식품 가공 공장의 역사적 및 실시간 데이터를 기반으로 예측 모델을 훈련시어 제품 품질 지표를 예측한다.
• 예측된 품질 결과를 바탕으로 기계에 대한 제어 권고를 생성하기 위해 피드백 메커니즘을 활용한다.
• 고차원적인 제조 특성 처리를 가능하게 하고 품질에 영향을 주는 핵심 공정 변수를 식별할 수 있도록 알고리즘을 설계한다.
• 실제 산업 환경에 모델을 구현하여 실생산 조건에서의 성능을 평가한다.
• 예측된 품질에 기반해 기계 파arameter를 동적으로 조정할 수 있도록 피드백 루프 제어 프레임워크를 구현한다.

실험 결과

연구 질문

• RQ1 데이터 기반의 IIoT 모델이 실시간 제조 공정 중에 제품 품질을 정확하게 예측할 수 있는가?
• RQ2 머신 러닝 알고리즘이 제품 일관성에 영향을 주는 핵심 공정 변수를 식별하는 데 얼마나 효과적인가?
• RQ3 자동 제어 권고가 수동 간섭 대비 품질 변동성을 얼마나 줄일 수 있는가?
• RQ4 실시간 센서 데이터 통합이 산업 현장에서의 모니터링 및 제어를 어떻게 향상시키는가?
• RQ5 제안된 모델의 성능은 실제 식품 가공 공장 환경에서 어떻게 평가되는가?

주요 결과

• 제안된 모델은 실제 공장 데이터를 활용해 높은 정확도로 제품 품질을 예측하여 강력한 예측 성능을 입증했다.
• 시스템은 제품 일관성에 영향을 주는 핵심 공정 변수를 성공적으로 식별하여 대상 제어 조치를 가능하게 했다.
• 실시간 품질 예측을 통해 적시 간섭이 가능해져 생산 중 품질 이탈을 감소시켰다.
• IIoT와 머신 러닝의 통합은 수동 전문 지식 의존도를 감소시켜 공정 안정성을 향상시켰다.
• 실험적 평가를 통해 모델이 실생산 환경에서의 타당성과 효과성을 확인했다.