본 연구는 플라스틱 병마개 오프셋 인쇄 공정에서 발생하는 박리불량의 주요 원인 인자를 분석하고, 인공지능 기반 예측 모델을 적용하여 박리불량 예측 가능성을 검증하는 것을 목적으로 한다. 이를 위해 실제 생산 공정에서 공정 조건을 변화시켜 박리불량을 재현하고, 인쇄기 속도, Air 및 Gas 유량과 압력 등 공정 및 센서 데이터를 수집하였다. 수집된 데이터에 대해 탐색적 데이터 분석을 수행하여 변수 간 특성과 상관관계를 분석하였으며, Extreme Gradient Boost(XGBoost)와 Deep Neural Network(DNN) 모델을 적용하여 박리불량 예측 성능을 비교·평가하였다. 그 결과 두 모델 모두 높은 예측 성능을 보였으며, 특히 주요 공정 인자의 영향이 박리불량 발생과 밀접한 관련이 있음을 확인하였다. 본 연구는 오프셋 인쇄 공정의 품질 관리와 현장 공정 제어에 활용 가능한 데이터 기반 분석 방법론을 제시하며, 제안된 방법론은 향후 다양한 인쇄 설비와 공정 조건으로 확장 적용될 수 있는 가능성을 제시한다.
Kim et al. (Thu,) studied this question.