기상환경에 따른 자동차 부품 도장의 불량률 예측

Prediction of Defect Rate Caused by Meteorological Factors in Automotive Parts Painting

플라스틱 소재 자동차 부품의 도장 공정에서 불량은 다양한 원인과 현상으로 기인하는데, 온도, 습도, 미세먼지 등 기상환경 조건의 변화에 따라 불량률이 변화하는 연관성을 분석하였다. 실제 도장업체에서 1년 동안 수집한 종류별, 원인별 불량률과 기상환경의 상관성을 머신러닝 기법에 의해 학습하고 시험하여 특정의 기상환경에서 불량률을 예측하였다. 그 결과 실먼지로 인한 불량은 98%, 흐름에 대한 불량은 90%의 불량을 예측하여 모델의 성능을 입증하였다.

Defects in the coating process of plastic automotive components are caused by various causes and phenomena. The correlation between defect occurrence rate and meteorological and environmental conditions such as temperature, humidity, and fine dust was analyzed. The defect rate data categorized by type and cause was collected for a year from a automotive parts coating company. This data and its correlation with environmental condition was acquired and experimented by machine learning techniques to predict the defect rate at a certain environmental condition. Correspondingly, the model predicted 98% from fine dust and 90% from curtaining (runs, sags) and hence proved its reliability.