Lunexio
← 적용 사례
적용 검증정밀 성형 / 사출우진플라임

사출성형 자율공정 최적화 · 우진플라임 사례

Proteus AI를 통하여 사출기에서 수집되는 공정 데이터를 분석하여 조건 이탈과 수지 물성 변화를 감지하고, 물리 기반 모델을 통해 다음 샷의 제어값을 보정하는 사출 성형 자율 공정 최적화 구현 및 실증을 완료하였습니다.

핵심 AI 기술

물리 정보 기반 AI(Physics-Informed AI)소프트웨어 가상 센싱듀얼 모드 적응형 제어수지 상태 실시간 추정Shot-to-Shot / In-cycle 피드백 제어

EXPANDABLE APPLICATIONS

다이캐스팅 · 프레스 설비 | 압출 · 블로우 성형 | CNC · 공작기계 | 레거시 설비 스마트화 | 스마트팩토리 자율제어

고객·파트너

우진플라임

Proteus AI 컨트롤러 예시 화면 - 입력 조건·수렴 상태·가상 센싱 추정값·AI 보정 제어값
예시 화면 · Proteus AI 컨트롤러 — 입력 조건·수렴 상태·가상 센싱 추정값·AI 보정 제어값

핵심 성과

시사출

8회

약 50회 → 8회

조건 보정 시간

0.3초

1시간 → 0.3초

01

현장 문제

Before · AS-IS

  • 신규 금형 셋업 시 시사출 약 50회 반복
  • 조건 보정 시간에만 30분~1시간 소요
  • 수지 로트·온도 변화에 따라 조건 이탈 발생
  • 불량 발생 후 작업자가 수동으로 조건 재조정
  • 보정 품질이 작업자 숙련도와 경험에 의존

02

접근 방식

최신 장비와 레거시 장비 모두를 고려한 Dual-mode 구조로 현장 도입 제약을 줄이고, 설비 데이터를 자율 제어 의사결정으로 연결합니다. 가장 어려운 문제를 풀 수 있다면, 나머지는 이미 해결된 것입니다. 사출 성형 사례는 전체 스택(데이터→감지→판단→실행)이 실전에서 작동함을 증명하는 기준점입니다. 01 최소 데이터 입력 — ①목표 중량, ②수지 종류, ③목표 사출 시간 세 가지 데이터만 Proteus AI에 입력합니다. 02 최적의 사출조건 도출 — Proteus AI가 입력 정보를 해석하여 사출 프로파일과 초기 제어값을 생성한 후, 8샷 안에 최적의 사출 조건값에 수렴합니다. 03 실시간 데이터 보정 — 사출 조건 최적화 이후 변화하는 장비 데이터를 매 샷마다 밀리초 단위로 보정하여 최적화를 지속적으로 유지합니다.

03

적용 기술·결과

핵심 공정 데이터 압축(PSP)고화 시점 동적 추정멀티모달 경량 모델

After · TO-BE

  • 시사출 50회 → 8회
  • 조건 보정 시간 1시간 → 0.3초로 단축
  • Shot별 공정 데이터 피드백을 기반으로 제어값 갱신
  • 수지 특성 변화와 고화 상태를 반영한 보정값 산출
  • 작업자 경험 중심의 조건 탐색을 데이터·물리 기반 자율 제어로 전환

Why Lunexio is different

소프트웨어 가상 센싱금형에 구멍을 뚫고 고가의 센서를 설치하는 기존 하드웨어적 접근 방식과 달리 기계로 부터 얻는 기본데이터와 물리 모델을 활용해 금형 내부 유동(압력·점도 변화)을 투시하는 소프트웨어 가상 센싱을 구현하였습니다.
듀얼 모드 적응형 제어실시간 데이터 스트리밍이 가능한 최신 장비는 In-cycle 제어로, 구형 장비는 Shot-to-Shot 피드백 제어로 대응합니다.
물리 기반 안전 제어블랙박스 AI가 임의의 제어값을 지시하는 대신, 수지 유동·열역학·점도 변화 등 물리 제약을 반영해 파손 위험을 원천 제거하고 안전한 범위 내에서 제어값을 산출합니다.

검증 파트너 우진플라임 MOU — AI 기반 사출 공정 최적화 시스템 개발 및 사업화 협력

우리 현장의 문제도 검토 가능한지 확인해드립니다

공정·데이터 유형을 알려주시면 유사 사례 기반으로 접근 방식을 제안드립니다.