이래가꼬 프로젝트

- MCT 공정에서 공구 마모는 품질 저하와 설비 비가동의 주요 원인이며, 현재는 경험 기반 교체 방식에 의존
- 스마트 제조 전환에 따라 공구 상태를 데이터 기반으로 판단하고 수명 예측 기술 도입 필요성 증가

- 공구 마모를 사전에 감지하지 못해 불량 및 비효율적 교체 발생, 센서 데이터 활용도 낮음
- 수명 예측 기술 부재로 비용 증가 및 생산성 저하 문제 지속

- 전류·가속도 기반 멀티모달 데이터로 공구 마모 분석 및 수명 예측 시스템 구축
- AI 기반 이상 탐지와 실시간 모니터링 UI를 통해 공구 교체 최적화 구현

- 3축 가속도 센서, 전류 센서, DAQ 등 데이터 수집 인프라 구축 지원
- 공정 데이터 확보 및 분석 환경 조성을 위한 장비 및 시스템 지원

- 공구 수명 예측 AI 알고리즘 및 데이터 처리 모델 개발
- 실시간 공정 모니터링 대시보드 및 UI 시제품 구현

- 공구 교체 최적화로 비용 절감 및 설비 가동률 향상
- 불량률 감소와 품질 안정화를 통해 생산 경쟁력 강화 및 스마트 제조 기반 확보

- 고객 니즈가 고급화·다양화되며 전기차 시대에 감성 품질 요구가 증가하고 있음
- 다양한 데이터 패턴 인식 기반 딥러닝 기술 확산과 제조·보안 측면의 적용 필요성 확대

- 사용자 요구 수준은 높아졌으나 제조 공정 한계와 인간 감각 의존 검사 방식으로 개선에 한계 존재
- 정밀하고 일관된 품질 검출을 위한 자동화·지능화 기술 부족

- AI 기반 모션 감지 및 포즈·제스처 분석으로 Armrest 불량 검사 정확도 향상
- 딥러닝 기반 특징점 검출 및 불량 데이터 매칭을 통한 사전 검출 기술 확보

- 머신러닝, EMG 인터페이스, 소프트센서 기반 데이터 글러브 등 학습 데이터 구축 지원
- AI 모델 학습 및 검증을 위한 데이터 확보 및 연구 환경 지원

- Armrest 불량 검사 시제품 개발 및 성능 검증
- 연구 결과 보고서 및 AI 모델 산출물 도출

- 비용 절감 및 생산 효율 향상, 검사 공정의 자동화·정밀화 실현
- IoT 기반 센서 연계를 통한 원격 모니터링 및 생산·검출 기술 확장 기대

- 도면 접수 시 수기 작성으로 시간 소요가 크고 업무 비효율 발생
- AI 도입을 통해 휴먼에러 감소 및 작업 시간 단축 필요

- 치수, 알파벳, 형상공차, 표면거칠기 등 다양한 표기 방식으로 처리 복잡
- 시인성 확보(빨간색 등) 및 일관된 표기 기준 적용에 어려움 존재

- 도면 스캔을 통해 AI가 자동으로 Bubble Map을 신속 생성
- 다양한 기호·단위 인식을 기반으로 사람보다 빠르고 정확한 작성 구현

- AI 학습 및 검증을 위한 도면 데이터 제공
- Bubble Map 자동화를 위한 데이터 기반 구축 지원

- Bubble Map이 자동 표기된 도면 산출
- AI 기반 도면 분석 및 표기 결과물 도출

- Bubble Map 작성 업무 효율성 및 작업 속도 향상
- 치수 성적서 작성 시 정확도 및 신뢰도 개선

- 고객 요청 자재 식별 불명확 및 BOM 불일치로 견적 지연과 추가 커뮤니케이션 발생
- 도면 기반 BOM 구축을 수작업으로 처리해 시간·비용 증가, AI 기반 자동화 필요

- 자재 식별 및 BOM 구성에 많은 인력과 시간이 소요되어 비용 부담 증가
- 반복 작업 및 도면 업데이트 대응 한계로 생산성 저하 및 최신 BOM 유지 어려움

- AI 기반 도면 분석을 통해 BOM 자동 추출 시스템 구축 가능성 검증
- BOM 추출 정확도 95% 이상 확보 후 98% 수준까지 고도화하여 신뢰성 강화

- 설계도면 및 BOM 샘플 데이터 제공(인하우스 환경(부산 강서구)에서 개발 진행)
- 도면 기반 BOM 추출 방법 교육 및 데이터 활용 지원

- 설계도면 기반 BOM 자동 추출 분석보고서 및 정확도 평가 결과 도출
- AI 기반 BOM 추출 모델 및 적용 가능성 검증 결과 확보

- BOM 구성 시간 단축 및 견적·구매 프로세스 효율화로 생산성 향상
- Spare 부품뿐 아니라 제품 제작 BOM까지 확장 적용 가능