본 인력양성은 현장중심의 실무교육을 강화하고, 산업 맞춤형 인재를 배출하며, 국체협력을 확대하기 위해, 2025년 7명의 자율제조 전문 인력 양성, IC-PBL 수업 1개 개설 및 1개 개발, 독일 아헨 공대와의 MOU 체결 및 인력 교류 1명을 추진할 계획

본 과제는 TinyML(초소형 머신러닝) 기술을 활용하여 제조 설비를 지능적으로 관리하는 시스템을 개발하는 연구임. 이는 공장 설비 데이터를 현장에서 분석하고 예측하여, 설비 고장을 미리 방지하고 생산 효율을 높이는 것을 목표로 함. 연구 목표는 OPC UA Nano 프로파일 기반 데이터 수집 체계 개발, AI 기반 예측 모델 개발을 위한 FMEA 및 EDA 분석, 그리고 웹 기반 실시간 모니터링 서비스 설계에 있음. 핵심 연구 내용은 실증 설비 선정 및 드라이버 개발, 설비 데이터 수집·저장·관리 체계 구축, 고장 모드 분석, 데이터 전처리 및 특징 추출 모듈 개발, OPC UA 정보모델 설계 및 구현을 포함함. 또한, OPC UA 기반 데이터 수집 체계와 AI 예측 모델의 실증 및 성능 평가를 지원함. 기대 효과는 OPC UA 표준기술 적용을 통한 설비 상호운용성 확보로 다양한 제조업종의 설비 관리 인프라 기반을 조성함. 더불어, 웹 기반 모니터링 및 데이터 기반 분석을 통해 중소기업 제조 현장의 설비 비가동 감소, 부품 교체 비용 절감, 설비 종합 효율 향상 및 경쟁력 강화에 크게 기여할 것으로 전망됨.

ㅇOPC UA 표준기술 기반 데이터 교환 시스템 구축 기술 개발 - 실증대상 설비에 대한 OPC UA 드라이버 개발 - 실증대상 설비에 대한 OPC UA 정보모델 개발 - OPC UA 서버, 클라이언트, 통신 프로토콜 개발ㅇTinyML 인공지능 기반 설비 고장징후 예측 및 부품수명 예측 기술 개발 - FMEA, EDA 분석을 통한 데이터 전처리 및 ...

본 과제는 공장 제조 설비들을 효율적으로 관리하는 지능형 시스템 개발 연구임. 'TinyML' 기술을 활용하여 설비 고장 징후 예측 및 부품 잔존 수명 파악 등 공장 운영 효율성 증대를 목적으로 함. 연구 목표는 AI 기반 설비 고장 징후 및 부품 잔존 수명 예측 모델 개발, 건전성 지표 개발, AI 모델 경량화 기술 확보에 있음. 또한, OPC UA Micro 프로파일 기반 데이터 수집 체계와 웹 기반 지능형 모니터링 서비스 개발을 포함함. 핵심 연구 내용은 건전성 지표 및 머신러닝 기반 설비 진단 모듈 개발, 웹 기반 지능형 모니터링 서비스 구현임. OPC UA 정보모델 수정, 서버 고도화, 통신 프로토콜 및 클라이언트 구현을 통한 데이터 수집 체계 구축, TinyML 기반 예측 모델 실증 및 검증 지원도 포함됨. 기대 효과는 OPC UA 표준 기술 적용으로 다양한 제조업종 설비 관리 인프라 조성 및 상호운용성 확보임. 웹 기반 실시간 모니터링 기술을 중소기업 현장에 적용하여 설비 비가동 감소, 부품 교체 비용 절감, 종합 효율 향상을 통한 중소기업 경쟁력 강화에 크게 기여할 것으로 전망됨.