해결하고자 하는 문제
보유 기술 (2개)
제조 공정 데이터를 분석하여 품질을 예측하는 딥러닝 모델
실시간 제조 공정 데이터를 수집하는 IoT 센서 시스템
기업 정보
참조 데이터
해결하고 싶은 고객의 문제
중소 제조업체의 제조 공정에서 불량품 발생을 사후에 확인하여 대응하는 방식으로 인해 생산 효율이 낮고 원가가 증가하는 문제, 그리고 실시간 공정 모니터링 부재로 인한 최적화된 생산 계획 수립의 한계
제공하려는 서비스(제품)
AI 기반 품질 예측과 IoT 기반 실시간 모니터링을 통합한 AI-IoT 스마트 제조 시스템으로, 불량률 30% 감소와 생산 효율 20% 향상을 목표로 합니다.
기존 대비 차별점
기존 통계 기반 방법 대비 30% 이상 정확도 향상과 실시간 예측 가능, 데이터 수집 속도 10배 향상, 에지 컴퓨팅으로 서버 부하 감소
향후 확장 시장/사업 방향
국내 중소 제조업체에 구독형 B2B SaaS 모델로 서비스를 확대하고, 스마트 팩토리 시장에서 3년 내 매출액 50억원, 수출 대체액 30억원, 일자리 50명 창출을 목표로 합니다.
대표 및 팀 핵심 역량
10년 이상 제조업 IT 솔루션 개발 경험과 AI 기술 전문성을 보유한 대표이사, 공학박사급 AI·IoT 전문 연구원들이 한국과학기술원과 공동 연구를 수행한 역량을 보유하고 있습니다.
개발 대상 기술
AI 기반 품질 예측과 IoT 기반 실시간 모니터링을 통합한 차세대 스마트 제조 시스템으로, 불량률을 30% 감소시키고 생산 효율을 20% 향상시킵니다.
R&D 현황
AI 기술을 활용한 제조 공정 최적화 연구 프로젝트
4-1. 기술개발 목표
AI와 IoT 기술을 통합하여 제조 공정의 불량률을 30% 감소시키고 생산 효율을 20% 향상시키는 스마트 제조 시스템을 개발합니다.
해결하고자하는 문제에 대한 상세
기존 제조 공정에서는 불량품 발생을 사후에 확인하여 대응하는 방식으로 인해 생산 효율이 낮고 원가가 증가하는 문제가 있습니다. 본 프로젝트는 AI 기반 품질 예측과 IoT 기반 실시간 모니터링을 통해 이러한 문제를 해결하고자 합니다.
제공하고자 하는 가치
불량률 30% 감소, 생산 효율 20% 향상, 원가 절감 15%를 통해 경쟁력을 확보하고 지속가능한 제조 생태계를 구축합니다.
4-2-1. 요소기술 요약
본 프로젝트는 AI 기반 품질 예측 모듈, IoT 센서 데이터 수집 모듈, 실시간 모니터링 대시보드로 구성됩니다.
4-2-2. 요소기술 상세 정의
딥러닝 알고리즘을 활용하여 제조 공정 데이터를 분석하고 품질을 예측하는 모듈
LSTM과 CNN을 결합한 하이브리드 딥러닝 모델을 사용하여 시계열 공정 데이터와 이미지 데이터를 동시에 분석
기존 통계 기반 방법 대비 30% 이상 정확도 향상, 실시간 예측 가능
불량품 예측 정확도 95% 이상 달성, 예측 시간 1초 이내
실제 제조 라인에서 3개월간 테스트하여 예측 정확도와 성능을 검증
다양한 센서로부터 실시간 제조 공정 데이터를 수집하고 전송하는 모듈
MQTT 프로토콜을 사용한 센서 데이터 수집 및 Edge Computing을 통한 전처리
기존 방식 대비 데이터 수집 속도 10배 향상, 에지 컴퓨팅으로 서버 부하 감소
1초 이내 데이터 수집 및 전송, 99.9% 데이터 신뢰성 확보
다양한 환경에서 센서 데이터 수집 안정성 및 신뢰성 테스트
연구개발 항목별 검증방안
| 개발목표 | 검증대상 | 검증방안 | 결과물의 형태 |
|---|---|---|---|
| 품질 예측 정확도 95% 이상 | 실제 제조 라인 데이터 | 3개월간 실제 데이터로 모델 성능 평가 | 성능 평가 보고서 |
| 데이터 수집 속도 1초 이내 | 센서 데이터 수집 시스템 | 부하 테스트 및 성능 측정 | 성능 측정 결과서 |
4-3. 선행연구개발
기존 연구에서 확보한 AI 예측 모델 기술을 본 프로젝트의 품질 예측 모듈에 적용하고, 특허 기술인 스마트 제조 시스템 아키텍처를 활용하여 시스템을 구축합니다.
4-4. 연구팀 구성 및 역량
| 성명 | 소속·직위 | 학력·전공 | 과제 수행 시 역할 |
|---|---|---|---|
| 홍길동 | 대표이사 | 공학박사, 컴퓨터공학 | 프로젝트 총괄 및 기술 검토 |
| 김철수 | 연구소장 | 공학박사, 인공지능 | AI 모델 개발 및 최적화 |
| 이영희 | 선임연구원 | 공학석사, IoT | IoT 센서 시스템 개발 |
10년 이상의 제조업 IT 솔루션 개발 경험과 AI 기술 전문성을 보유하고 있습니다.
다수의 정부 계획서를 성공적으로 수행한 경험이 있으며, 프로젝트 관리 역량이 뛰어납니다.
4-5. 개발 일정
총연구기간: 24개월
| 세부 수행내용 | 기간(개월) |
|---|---|
| 데이터 수집 및 전처리 | 2개월 |
| 딥러닝 모델 개발 | 4개월 |
| 모델 학습 및 최적화 | 3개월 |
| 세부 수행내용 | 기간(개월) |
|---|---|
| 센서 하드웨어 선정 | 1개월 |
| 데이터 수집 모듈 개발 | 3개월 |
| 통합 테스트 | 2개월 |
주요마일스톤
| 마일스톤명 | 주요 추진내용 | 달성시점 | 주요 결과물 |
|---|---|---|---|
| 1차 프로토타입 완성 | AI 모델 및 IoT 센서 시스템 기본 기능 구현 | 6개월 | 프로토타입 시스템 1세트 |
| 실증 테스트 완료 | 실제 제조 라인에서 3개월간 테스트 수행 | 12개월 | 실증 테스트 보고서 |
| 최종 시스템 완성 | 시스템 최적화 및 상용화 준비 | 24개월 | 상용화 가능한 시스템 1세트 |
4-6. 사업화 전략
개발된 스마트 제조 시스템을 중소 제조업체에 공급하여 디지털 전환을 지원하고, 구독형 SaaS 모델로 지속적인 수익을 창출합니다.
B2B SaaS 모델을 통해 월 구독료를 받는 수익 모델을 구축하고, 제조업 협회 및 박람회를 통한 직접 영업과 온라인 마케팅을 병행합니다.
국내 스마트 팩토리 시장은 연평균 15% 이상 성장하고 있으며, 중소 제조업체의 디지털 전환 수요가 급증하고 있어 시장 진출 가능성이 높습니다.
3년 내 매출액 50억원 달성, 수출 대체액 30억원, 일자리 창출 50명 이상을 목표로 합니다.