지도학습기법을 이용한 비선형 다변량 공정의 비정상 상태 탐지

Abstract

과거에는 가격은 필수, 품질은 선택으로 간주되었지만 현재는 기업의 생존전략으로 품질이 선택이 아닌 필수가 되었다. 생산되어지는 제품이 정해진 규격, 정해진 양에 따라 정확한 규격으로 생산될 때 우리는 품질이 좋다고 한다. 이처럼 많은 기업들은 제품의 고객 요구품질을 만족하기 위해 공정의 산포를 줄이고 균질한 제품을 생산하기 위한 6시그마를 비롯한 다양한 혁신활동을 추진하고 있다. 제조 공정에서 산포가 작은 균질한 제품을 생산함으로서 생산성뿐만 아니라 저품질비용(cost of poor quality)을 절감하게 되어 제품의 품질경쟁력을 높일 수 있게 된다. 이러한 제품의 균질성을 이루기 위해 최종 제품이 생산되기 이전에 조기에 공정의 이상을 감지하여 적절한 대응조치를 취할 수 있도록 하는 통계적 공정 관리(statistical process control)는 오래전부터 실제 산업현장에서 응용되어지고 있다. 이에 본 연구에서는 비선형 상관관계(highly non-linear correlated)가 높은 대량의 공정변수들이 온라인으로 수집되는 데이터를 모니터링하기 위한 실시간 공정 모니터링 방법을 제안한다. 입력과 출력 변수간의 비선형성을 비선형 주성분분석인 KPCA(Kernel Principal Component Analysis)를 통해 해결하고, 학습이론(Learning theory)분야에서 일반화 성능이 우수한 지도학습이론(Supervised learning theory)인 SVDD(Support Vector Data Description)를 이용한 공정모니터링 방법을 제안하였다. 실험을 통해 제안 방법의 성능을 검증하였으며, 그 결과 제안하는 학습이론을 이용해 구현한 방법이 효과적으로 공정의 이상을 감지함을 확인하였다.