Proteus AI - 사출기 현장에서 조건을 스스로 보정하다
양산 진입 때마다 반복되는 시사출을 줄이기 위해, Proteus AI가 사출기 안에서 조건 이탈을 감지하고 사이클 단위로 보정하는 방식을 소개합니다.
신제품을 양산에 올릴 때 사출 조건을 잡는 일은 지금도 작업자 경험에 크게 기대고 있습니다. 금형을 새로 걸면 조건을 바꿔 가며 시사출을 수십 차례 반복하고, 양산에 들어간 뒤에도 수지 로트나 온도가 바뀌면 조건이 다시 흔들립니다. Proteus AI는 이 보정 작업을 사출기 안에서 자동으로 처리하려고 만든 실시간 공정 최적화 AI입니다.
시사출은 왜 반복되는가
사출 품질은 형상과 소재, 금형, 성형 조건이 함께 만든 결과입니다. 같은 금형이라도 수지 로트와 주변 온도에 따라 최적 조건이 달라지고, 불량이 나온 뒤에야 작업자가 조건을 다시 손보는 경우가 많습니다. 보정 품질은 담당자 숙련도에 따라 달라지고, 조건을 다시 맞추는 데에도 적지 않은 시간이 듭니다.
감지부터 보정까지, 사이클마다 반복합니다
Proteus AI는 아래 네 단계를 사출 사이클마다 반복합니다.
- 감지: 사출기에서 수집되는 실시간 공정 데이터로 이상 조건과 조건 이탈을 찾습니다.
- 판단: 물리 정보 기반 AI(Physics-Informed AI)가 보정 방향과 크기를 물리 법칙에 근거해 정합니다.
- 실행: 장비 제어기와 직결된 Edge에서 조건을 자동으로 되돌립니다.
- 학습: 보정 결과를 공정 데이터 피드백 루프에 쌓아 다음 판단에 반영합니다.
판단과 실행이 모두 사출기 옆에서 이뤄지므로 클라우드를 오갈 일이 줄어듭니다. 네트워크 연결이 불안정한 현장에서도 보정을 이어 갈 수 있습니다.
센서를 늘리지 않고 금형 내부를 추정합니다
금형 내부 상태를 보려면 보통 금형에 구멍을 내고 고가의 압력 센서를 설치합니다. Proteus AI는 사출기가 기본으로 내보내는 데이터와 물리 모델로 금형 안의 압력과 점도 변화를 추정합니다. 소프트웨어 가상 센싱이라고 부르는 방식이며, 수지 상태와 고화 시점도 실시간으로 추정해 보정값에 반영합니다.
장비 세대에 맞춰 제어 방식도 나눴습니다. 실시간 데이터 스트리밍이 되는 최신 장비는 한 사이클 안에서 바로 제어하는 In-cycle 방식을 쓰고, 구형 장비는 이전 샷 결과를 다음 샷에 반영하는 Shot-to-Shot 방식으로 대응합니다.
입력은 세 가지면 됩니다
신규 금형을 셋업할 때 작업자는 목표 중량, 수지 종류, 목표 사출 시간 세 가지만 입력합니다. Proteus AI가 이 정보를 해석해 사출 프로파일과 초기 제어값을 만들고, 샷마다 들어오는 데이터로 값을 고쳐 가며 최적 조건에 다가갑니다. 양산에 들어간 뒤에도 장비 데이터를 매 샷 밀리초 단위로 보정해 조건을 유지합니다.
보정값은 수지 유동과 열역학, 점도 변화 같은 물리 제약 안에서 계산합니다. 제어값을 임의로 정하는 대신 안전한 범위 안에서 산출하고, 왜 그 값으로 보정했는지 근거도 함께 보여 줍니다.
장비에 기본 탑재하는 방식
Proteus AI는 별도 시스템을 따로 구축하지 않고 사출기에 기본 탑재하는 장비 번들 방식으로 설계했습니다. 특정 제조사에 묶이지 않도록 만들었고, 2025년 10월에는 국내 사출기 제조사 우진플라임과 AI 사출 조건 최적화 시스템 협약을 맺었습니다. 두 회사는 2026년부터 판매 장비에 AI 사출 최적화 시스템을 단계적으로 번들 공급할 계획입니다. 실증 내용은 사출성형 자율공정 최적화 사례에 정리했습니다.
사출기 다음 설비로
사출기에서 검증한 Edge 자율 보정 루프는 사이클 단위 제어가 있는 다른 설비로 넓힐 수 있습니다. 다이캐스팅과 프레스, 압출과 블로우 성형, CNC 공작기계가 다음 적용 대상입니다. 이렇게 쌓인 공정 데이터는 해석 데이터를 다루는 Janus AI와 같은 도메인 지식 엔진 위에서 연결됩니다.
제품 구성은 Proteus AI 소개에서 더 자세히 확인하실 수 있습니다.