DOI QR코드

DOI QR Code

A Study on Process Data Analysis and Machine Learning Application for Predicting Wire Breakage during the Process of 303-Series Stainless Steel

303 계 스테인리스강의 공정 시 발생하는 단선 예측을 위한 공정 데이터 분석 및 머신 러닝 적용에 대한 연구

  • Jae-Hyeok Nam (Manufacturing Innovation School, Inha University)
  • 남재혁 (인하대학교 제조혁신전문 대학원)
  • Published : 2024.10.31

Abstract

피삭성(machinability)를 향상시킨 스테인리스(stainless) 강의 제조공정에서 공정의 후반부 인발(drawing) 공정에서 재료가 끊기는 단선 현상이 발생한다. 본 연구에서는 데이터의 가치를 이용하는 것이 중요해진 제조 산업의 트렌드에서 공정에서 공정 변수를 활용하여, 이에 대한 머신 러닝 예측모델을 생성하고, 단선에 미치는 공정 변수의 영향력을 확인하는 과정을 적용하는 것을 목표로 했다. 데이터 개수에 비해 변수 종류가 많으므로, 금속학적 지식과 통계적 지식을 활용하여 변수를 조정한 후에 XGboost 모델을 활용하여 예측 모델을 생성하였다. 추가적으로 데이터 개수 부족과 비선형모델의 단점을 보완하기 위해 데이터 증폭 방법인 SMOTE 기법을 채택하였으며, 설명 가능한 AI 기법인 LIME 적용을 통해, 최종적으로 공정 변수를 활용하고, 단선 불량 예측력과 금속학적 지식이 유의미한 모델을 생성하였다.

Keywords

References

  1. 서석준, 김흥섭, "쾌삭 303 계 스테인리스강 소형압연 선재 제조 공정의 생산 품질 예측 모형", 한국산업경영시스템학회, Vol.44, No.4, pp12-22, 2021
  2. 이진희 외, "스테인리스강의 이해", 서울, 명진, 2016, 214-215.
  3. Chen, Tianqi, and Carlos Guestrin. "XGBoost: A Scalable Tree Boosting System." Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, vol. 22, no. 13, pp. 785-794, 2016.
  4. Ribeiro, Marco Tulio, Sameer Singh, and Carlos Guestrin. "Why Should I Trust You?: Explaining the Predictions of Any Classifier." Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, vol. 22, no. 13, pp. 1135-1144, 2016.
  5. 정재영. "쾌삭 303 계 스테인레스강의 열간성형성에 미치는 균질화처리, Mn/S 비 및 델타-페라이트의 영향." 대한금속재료학회지, vol. 55, no. 12, pp. 880-887, 2017.
  6. lca, I. "Structural Research at High Temperature on Industrial Semi-Finished Products Made from Thermostable Stainless Steels." International Conference on Applied Sciences, Banja Luka, Bosnia and Herzegovina, 9-11 May 2018, pp. 2-9
  7. Li, Hui, Chihuan Yao, Jian Shao, Anrui He, Zhou Zhou, and Weigang Li. "Prediction and Control Technology of Stainless Steel Quarter Buckle in Hot Rolling" Metals 10, no. 8, pp. 7-10. 2020.