MES의 Lot tracking 정보를 이용해서 AI로 정합성을 체크하는 방법이 있을까?
MES의 Lot 추적 정보를 활용하여 AI로 정합성(Integrity)을 체크 하는 것은 제조 공정의 데이터 품질(Data Quality)과 추적성(Traceability)을 확보하는 데 매우 중요한 접근 방식입니다. AI는 사람이 놓치기 쉬운 패턴과 이상 징후(Anomalies)를 대규모 데이터에서 실시간으로 감지할 수 있습니다. 주요 정합성 체크 방법 및 AI 활용 시나리오는 다음과 같습니다. 1. AI 기반 이상 감지(Anomaly Detection)를 통한 정합성 체크 Lot 추적 과정에서 수집되는 센서 데이터, 공정 변수(온도, 압력 등), 작업자 입력, 설비 상태, 시간 정보 등 시계열 데이터(Time-series data)와 범주형 데이터(Categorical data)를 AI 모델이 분석합니다. 비정상 패턴 감지: 공정 파라미터 이상: 특정 Lot이 통과한 공정에서 설정 범위를 크게 벗어난 온도, 압력 등의 데이터가 기록된 경우를 감지합니다. (예: 납땜 공정의 온도가 평소와 다르게 기록됨) 시간/순서 이상: 특정 Lot의 공정 처리 시간이 갑자기 너무 짧거나 길 때, 혹은 공정 순서가 MES에 정의된 표준 작업 흐름(Routing)과 다르게 기록될 때 경고합니다. 데이터 누락/중복: 특정 공정에서 필수적인 Lot 번호, 검사 결과, 작업자 입력 등의 데이터가 누락되거나, 동일 데이터가 중복 입력된 경우를 식별합니다. 다변량 분석(Multivariate Analysis): 여러 센서 데이터나 공정 변수 간의 상관관계(Correlation) 변화를 감지합니다. 예를 들어, 평소에는 정비례하던 A 설비의 온도와 B 설비의 압력이 특정 Lot에서 상관관계가 깨진다면, 데이터 입력 오류 또는 설비 이상으로 인한 Lot 데이터의 정합성 문제로 판단할 수 있습니다. 2. 규칙 기반/머신러닝 기반 검증 모델 MES 시스템에 이미 정의된 비즈니스 규칙(Business Rules)이나, 과거의 정상적인 Lot 이력 데이터를 학습한 지도/비지도 ...