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
EXPANDABLE APPLICATIONS
다이캐스팅 · 프레스 설비 | 압출 · 블로우 성형 | CNC · 공작기계 | 레거시 설비 스마트화 | 스마트팩토리 자율제어
고객·파트너
우진플라임

핵심 성과
시사출
8회
약 50회 → 8회조건 보정 시간
0.3초
1시간 → 0.3초01
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
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
검증 파트너 우진플라임 MOU — AI 기반 사출 공정 최적화 시스템 개발 및 사업화 협력
