다품종소량생산 환경에서의 융합 데이터를 활용한 Mixture-of-Experts기반 불량률 예측 프레임워크
A Semantic Mixture-of-Experts Framework for Defect Rate Prediction Using Data Fusion in High-Mix Low-Volume Manufacturing
- 문서 유형
- 연구출판물 · 학술지 논문
- 등재
- KCI
- 저널 순위
- KCI Q1
- 저널
- 지능정보연구32(1) · pp.181 · 2026
- 피인용
- KCI 0
- ISSN
- 2288-4866
저자
초록
본 연구는 다품종소량생산 제조 환경에서 발생하는 데이터의 이질성과 입력 충돌 문제를 해결하기 위해 비정형 텍스트 로그를 활용한 Semantic Mixture-of-Experts 기반 불량률 예측 프레임워크를 제안한다. 기존의 수치 데이터 중심 예측 모 델은 동일한 설정값에서도 불량률이 달라지는 맥락적 차이를 포착하지 못하는 한계가 있다. 이를 ERP 및 MES의 비정형 텍스트를 TF-IDF로 수치화하여 게이팅 네트워크의 입력으로 활용함으로써, 공정의 숨겨진 레짐을 식별하고 각 영역에 특 화된 전문가 모델이 정밀하게 학습하도록 설계하였다. 또한, 분위수 회귀와 Conditional Value-at-Risk를 결합하여 단순 평 균 예측을 넘어 꼬리 위험까지 관리할 수 있는 리스크 인지형 의사결정 체계를 통합하였다. 제안 모델은 기존 베이스라인 모델 대비 MAE 기준 약 16.8%의 오차 감소를 달성하였으며, 변동성이 큰 특수 공정을 스스로 식별하여 전문가를 할당함 으로써 높은 해석력을 보여주었다. 본 연구는 텍스트 데이터 융합을 통해 제조 현장의 불확실성을 정량적으로 제어하고, 실무적으로 적용할 수 있는 강건한 리스크 관리 지침을 제공한다는 점에서 의미와 가치를 지닌다
키워드
다품종소량생산불량률 예측Mixture-of-Experts텍스트 마이닝조건부 가치평가High-Mix Low-VolumeDefect Rate PredictionText MiningConditional Value-at-Risk
식별자
- KCI
- ART003319797



로그인
연구물 목록으로