Jill Chen, Administrator at Product R&D Division of CoreTech System (Moldex3D)
플라스틱 사출성형은 전 세계 제조 산업에서 폭넓게 활용되고 있습니다. 기존에는 생산 현장 기술자들이 제품 품질을 안정화시키기 위해 금형 트라이아웃과 기계 조정과 같은 현장 경험에 의존해 왔습니다. 그러나 이러한 방식은 시간과 비용이 많이 들며, 작업자마다 다른 판단으로 인해 품질 편차가 발생하기 쉽습니다.
스마트 제조 시대의 도래와 함께, 이러한 문제들은 AI 기술이 통합된 지능형 관리 시스템을 통해 해결할 수 있습니다. 이러한 시스템은 생산 효율과 유연성을 향상시키며, 보다 안정적인 공정 운영을 가능하게 합니다.
사출성형 과정에서 AI는 데이터 분석과 실시간 예측을 통해 공정 조건을 최적화합니다. 이를 통해 금형 트라이아웃 시간을 단축하고, 생산 안정성을 높이며, 인적 오류의 위험을 줄일 수 있습니다. 또한 AI 기반 이상 탐지 및 예측 분석 기능은 생산 중 잠재적인 문제를 조기에 발견해 설비 다운타임과 자원 낭비를 줄입니다.
그림 1. AI가 통합된 지능형 관리 시스템은 생산 효율성과 유연성을 향상시킵니다.
iSLM: 데이터의 가치를 극대화하다
Moldex3D iSLM은 금형 설계와 플라스틱 성형에 특화된 데이터 관리 플랫폼으로, 제품 개발 전 과정에서 생성되는 모든 데이터와 정보를 체계적으로 축적합니다. iSLM은 자동화된 금형 설계 가이드와 AI 기반 최적화 기능을 통합하여, 데이터에서 최대한의 가치를 추출하고 전체 공정의 효율성과 품질을 향상시킵니다.
2025년, iSLM은 Mold Design Discovery와 Gate Design Discovery 두 가지 신규 기능을 선보입니다. 이 기능들은 지능형 성형 예측을 통해 최적의 설계안을 빠르게 도출하도록 지원합니다.
● Mold Design Discovery
새로운 CAD 파일을 업로드하면 시스템이 지식 베이스(Knowledge Base)에 저장된 과거 프로젝트와의 유사도 비교를 수행합니다. 이 과정에서 알고리즘은 부품의 형상, 치수, 구조를 분석하여 가장 유사한 사례를 찾아냅니다. 비교가 완료되면, 데이터베이스에 축적된 소재 특성, 금형 설계 파라미터 등의 핵심 정보를 결합하여 예측 결과를 제공합니다.
예를 들어, 예측된 스프루 압력 및 잠금력 데이터를 바탕으로 적합한 사출성형기를 미리 선정할 수 있습니다. 또한 수축률 예측 결과를 활용해 설계를 조정할 수 있으며, 사이클 타임 예측을 통해 탄소 배출량 평가와 견적 산정에 도움이 되는 스마트한 의사결정을 내릴 수 있습니다.
그림 2. iSLM Mold Design Discovery
● Gate Design Discovery
Project Summary에서 Create Job 기능을 통해 부품 모델 파일을 업로드하면, 시스템이 지식 베이스의 과거 프로젝트와 유사도 비교를 수행합니다. 비교가 완료되면, 높은 유사도를 가진 게이트 설계 리스트가 생성됩니다. 사용자는 이러한 사례를 검토하고 요구 사항에 맞는 게이트 유형과 위치를 손쉽게 선택하여 새로운 부품 모델에 적용할 수 있습니다. 이를 통해 게이트 설계 워크플로우의 정확성과 효율성이 대폭 향상됩니다.
그림 3. iSLM Gate Design Discovery
AI 투명성에 대한 우려 해소
AI 기술이 도입되면서 일부 사용자들은 AI 기능의 투명성(Explainability)에 대해 우려를 표합니다. 자동화된 금형 설계 가이드나 AI 기반 최적화의 경우, “AI가 어떤 근거로 결정을 내렸는가?”에 대한 의문이 신뢰 저하로 이어질 수 있습니다. 또한 AI의 판단 논리나 데이터 출처가 명확히 제시되지 않으면, 비정상 상황에서 적절히 개입하기 어려워 공정 리스크가 증가할 수 있습니다.
이러한 문제를 해결하기 위해, iSLM은 설명 가능한(Explainable) 접근 방식을 채택하고 있습니다. iSLM은 AI가 도출한 최적화 결과를 즉시 모델에 반영하지 않고, AI가 참고한 프로젝트와 항목을 명확히 표시하여 사용자가 근거를 검토할 수 있도록 합니다.
예를 들어, Mold Design Discovery에서는 유사도 비교에 사용된 모든 프로젝트를 확인할 수 있으며, 각 참고 데이터의 신뢰도 지수(통합/개별)를 확인할 수 있습니다. 이를 통해 사용자는 추천 설계의 적용 가능성을 평가하고 실제 요구에 맞게 필터링하거나 수정할 수 있습니다. Gate Design Discovery에서는 유사 게이트 설계의 썸네일 이미지를 표시해 직관적으로 비교할 수 있습니다. 사용자가 게이트 설계를 선택한 후에도, 언제든지 해당 설계를 제거하고 수동으로 게이트를 재구성하여 최적의 커스터마이징을 실현할 수 있습니다.
그림 4. iSLM은 사용자가 모든 참조 정보와 예측 데이터를 명확히 검토할 수 있도록 지원합니다.
결론
제품의 다양화와 맞춤화 수요가 증가하고 스마트 제조가 확산되면서, 디지털 전환은 더 이상 선택이 아닌 필수입니다. AI의 도입은 기존 성형 문제에 대한 새로운 통찰과 해결책을 제공합니다. iSLM은 AI 기반 데이터 분석과 유사도 비교 기능을 통합하여, 최적 설계안 및 예측 결과를 제공하고 설계·생산 주기를 단축하며, 전반적인 효율성을 향상시킵니다. 또한 AI 의사결정 과정에 대한 사용자 신뢰를 확보하기 위해, iSLM은 참조 프로젝트 및 항목을 투명하게 제시함으로써 사용자가 AI의 판단 근거와 작동 원리를 명확히 이해할 수 있도록 합니다.
