본문으로 건너뛰기

DYETEC 프로젝트 회의록 (2025.09.10)

📋 회의 개요​

  • 일시: 2025년 9월 10일
  • 주제: 4차년도 AI 모델 개발 및 고도화 방안 논의
  • 연차보고서: 11월 마무리 예정
  • 목적: 산업적, 학술적 필요성 확인을 위한 선행 연구 사례 검토

🎯 Project 1: 고내광성 친환경 내장재 AI 모델 개발​

📌 프로젝트 목표​

  • 색상 예측, 레시피 최적화 및 추천
  • 재작업 감소, 공정 자동화 제어 및 공정 최적화
  • 기업 요구사항: 색상 정확도, 내광성 확보, 비용 절감

🔧 기존 모델 고도화 컨셉​

  • 데이터 정제: 이상치 제거, 성능 열화 데이터 제거
  • 유의미 파생변수 추가
  • SOTA 기법 및 모델 Stacking 검토
  • 성능 개선: 데이터 정제를 통한 성능 향상 진행 중

🆕 신규 모델 개발​

  • 내광성 예측 모델: 광 노출 시간별 내광성 예측 모델 고도화
  • 역설계 모델: 측색값 및 내광성 등급 역설계
  • 기업 맞춤형: AX 지원을 위한 맞춤 모델 개발 및 커스터마이징
  • 순방향 및 역설계 모델 구축

💡 기술적 특징​

  • 데이터 복원: 10개 컬럼 중 일부 누락 시 복원 방법론 적용
  • 자동화 Flow: GUI를 활용한 데이터 입력 → 분석 → 전처리 → 모델 다운로드
  • 내광성 등급: 일광 조건이 주어지는 환경에서의 등급 평가

🎯 Project 2: 물성 모델 고도화​

📌 프로젝트 목표​

  • 주요 타겟: 강도, 신도 중심의 물성 모델
  • 방사 시뮬레이션 및 역설계 모델 고도화
  • 기업 수요 및 AX 지원을 고려한 모델 다변화

🔬 연구 기관별 역할​

  • 성균관대학교: 최적화 기법 적용
  • 경북대학교: 전수탐색 방식 적용
  • 협력: 동시 물성 조건 확인을 위한 상호 보완적 접근

📊 데이터 분석 결과​

FDY 원료별 특성 (Mi=7, 21, 23)​

  • Mi=7: 결정성 우수, 일부 조건에 민감
  • Mi=21: 전반적으로 안정적, 공정 조건에 둔감
  • Mi=23: 가장 높은 열적 특성, 공정 조건 제어를 통한 개선 여지 큼

데이터 소스별 차이점​

  • 다이텍 데이터: 샘플과 아웃풋 동일
  • 섬유원 데이터: 샘플과 아웃풋 모두 상이

🛠️ 기술적 개선사항​

이상치 처리 알고리즘 (KoMap 제공)​

  • 1단계: 이상치 후보 데이터 분류
  • 2단계: 유사 데이터셋 그룹별 비교 후 최종 이상치 확정
  • 목적: 오판단 방지 및 데이터셋 크기 최대화

신규 모델 개발​

  1. Degradation 인지형 모델

    • PLA의 수분/온도/전단 민감성 고려
    • 분자량 저하 최소화 방안 모색

  2. 물리지식 결합 하이브리드 모델

    • 연신-결정화 중간변수 활용
    • 물리적 일관성 유지 및 설명 가능성 확보

  3. 수율, 생산 안정성 예측 모델

    • 실 끊어짐 패턴 파악
    • 시계열 데이터 기반 신호 분석

  4. 컴퓨터 비전 기반 결함 검출

    • ResNet, VGG-16 활용
    • 비용 효율적 센서 없는 검출 방식

🔄 자동화 시스템​

  • 전체 프로세스: 데이터 로드 → 전처리 → 모델 학습 → 검증 → 테스트
  • GUI 기반: 사용자 친화적 인터페이스 구축

🏫 성균관대학교 연구 현황​

👨‍🔬 연구진​

  • Mahdi Sajadieh: Project 1, 2 관련 논문 다수 작성 (참고 필요)

🎯 현재 성과​

  • 잔류 염료 Hit Rate: 84% → 90% 목표
  • 강화학습 적용: Q-Learning, DQN, PPO, Bayesian Optimization
  • 성능 향상: 강도 97%, 신도 94% 달성

🔧 기술적 접근​

  • 다양한 알고리즘: 커널 기반, CNN, Bayesian LSTM
  • Multi-Objective 최적화: 기존 단일 목표에서 다목적 최적화로 전환
  • Digital Twin 동기화: 기존 개발 모델과 연동

🏢 기업 지원 현황​

📈 지원 현실​

  • 염색 기업: 영세기업 중심, 지원 조건 열악
  • 방사 기업: 대기업 중심 (국내 5개), 데이터 공유 거부
  • 컨택 결과: 방사 기업 거절, 염색 기업 지원 어려움

💡 개선 방안​

  • 데이터 경진대회: 아이디어 경진대회 개최 검토
  • Feature Engineering: 분자 구조 연계 구조 활용
  • 현업자 참여: 섬유 관련 전문가와의 장기적 협력

🔄 데이터 및 모델 업데이트​

📊 데이터 변경사항​

  • Project 1: RBY → +Gray 추가
  • Project 2: +첨가제 데이터 추가
  • 원료 조건: 올해부터 대폭 변경, 영향 예상

🎯 모델 최적화​

  • Mi=21 배제: 원료 품질 불량으로 인한 물성 편차 과다
  • Mi=7, 23 집중: 안정적인 학습을 위한 데이터 선별

🌐 플랫폼 및 인증​

🔗 웹사이트​

🏆 인증 관련​

  • TTA → KCA: 공인신뢰성 기관 확인 필요

🎪 전시 계획​

  • 일산 KTX 전시: 10월 말, 아이디어 발굴 필요
  • Digital Twin: 전시 아이디어로 활용 검토

📝 후속 조치​

✅ 즉시 실행​

  1. 데이터 정리: 수신 데이터 정리 후 전달
  2. Study: 회의 내용 정리하여 저장
  3. 논문 검토: Mahdi Sajadieh 논문 리뷰

🔄 지속적 검토​

  1. Vertical AI: 소재 AI 통합 플랫폼으로서의 유의성 검토
  2. 기업 컨택: 타이밍 및 방법론 재검토
  3. 모델 성능: 지속적인 성능 모니터링 및 개선

💭 주요 논의사항​

❓ 미해결 질문​

  1. Project 1 신규 vs 고도화: 명확한 구분 기준 필요
  2. 기업 컨택 시점: 프로젝트 진행 단계별 컨택 타이밍
  3. 데이터 경진대회: 기존 모델 개선 vs 신규 모델 개발

💡 제안사항​

  1. 교차 검증: 경북대-성균관대 간 모델 교차 검증
  2. Feature Engineering: 분자 구조 기반 특성 추출
  3. 멀티모달 데이터: 이미지 데이터 추가 활용 검토