AI 기반 크롬 도금탱크 농도 예측을 위한 시계열 모델 연구

초록

크롬 도금 공정은 욕조 내 CrO₃ 농도 분석에 24시간 이상의 리드타임이 소요되는 환경적 제약이 존재한다. 이로인해 현장에서는 작업자의 경험적 판단에 의존하여 약품을 투입해 왔으며, 이는 공정 편차와 품질 변동을 야기하는 주요 원인이 되었다. 본 연구는 이러한 한계를 극복하고자 주간 단위 시계열 예측 모델을 도입하여, 기존의 직관적 방식을 데이터 기반의 선제적 의사결정 체계로 전환하는 방안을 제안한다. 분석을 위해 2022년부터 2024년까지 축적된 농도 데이터를 학습 구간으로 삼고, 2025년 상반기 26주간의 실측 데이터를 바탕으로 예측 성능을 평가하였다. 실험에는 ARIMA, Holt-Winters, Prophet 등 전통적 모델과 최신 시계열 파운데이션 모델인 TimesFM, Chronos를 활용하였다. 검증 결과, 안정적인 추세의 Tank3에서는 ARIMA와 Holt-Winters가 우수한 정확도를 보였으나, 변동성이 큰 Tank5와 전체 통합 평가에서는 TimesFM이 가장 뛰어난 예측 성능과 운영 안정성을 입증하였다. 특히 실제 관리 규격(234–255 g/L) 경계 인근에서의 오차 특성을 정량적으로 분석함으로써, 제안된 예측 기법이 현장 작업자의 판단을 효과적으로 보완하고 공정 전반의 신뢰도를 높일 수 있음을 확인하였다.

키워드