사출 성형 제품의 품질 불량 검출을 위한 인공지능 기반 준지도학습 모델 개발

초록

본 연구는 사출 성형 공정의 품질 불량 예측을 위해, 클래스 불균형이 심한 제조 데이터에 적합한 준지도학습 기반 모델인 ATSSL(Adaptive Threshold Semi-Supervised Learning)을 제안한다. KAMP 사출성형기 AI 데이터셋(총 886,227개 샘플, 정상품 98.8%, 불량품 1.2%)을 활용하여, 본 모델은 적응적 임계값 조정, 시간적 일관성 정규화, 그리고 멀티모달 센서 융합 기법을 통해 소량의 레이블된 데이터만으로도 높은 예측 성능을 달성한다. 기존 지도학습 방법(전체 데이터 사용 시 F1-score 0.751)과 비교하여, 제안된 ATSSL은 레이블 데이터 5%만 사용하고도 F1-score 0.843을 달성하였다. 실험 결과, 레이블링 비용을 약 85% 절감하면서도 불량품 검출률을 23% 향상시켰으며, 기존 준지도학습 방법인 FixMatch(F1-score 0.762) 대비 10.6% 성능 향상을 나타낸다.

키워드