본문으로 건너뛰기

생분해성 섬유 방사 공정 데이터 특성을 고려한 물성 예측 모델 개발

· 약 3분
Sechan Park
Deokyeop Kim
Kangbok Seo
이우진
경북대학교 컴퓨터학부 전임교수

논문 정보​

  • 제목: 생분해성 섬유 방사 공정 데이터 특성을 고려한 물성 예측 모델 개발 (The Development of Property Prediction Model in Consideration of Biodegradable Fiber Spinning Process Data Characteristics)
  • 저자: Sechan Park (경북대학교), Deokyeop Kim (경북대학교), Kangbok Seo (경북대학교), 이우진 (경북대학교 컴퓨터학부)
  • 학회/저널: 한국정보과학회 학술발표대회
  • 발행일: 2022-01-01
  • DOI: -
  • 주요 연구 내용: 생분해성 섬유(PLA) 방사 공정에서 수집된 데이터의 불균형과 오차 특성을 분석하고, 이를 고려한 이상치 처리 및 오버샘플링 기법을 적용하여 물성 예측 모델의 성능을 개선
  • 주요 결과 및 결론: 데이터 특성을 고려한 전처리 기법 적용 시 물성 예측 정확도가 유의미하게 향상
  • 기여점: 섬유 방사 공정 데이터의 고유한 특성을 체계적으로 분석하고, 이에 최적화된 데이터 전처리 방법론을 제안

요약​

초록​

생분해성 섬유의 방사 공정에서는 다양한 공정 파라미터가 최종 섬유의 물성에 영향을 미친다. 그러나 실제 방사 공정 데이터는 데이터 불균형과 측정 오차라는 고유한 특성을 가지고 있어, 일반적인 머신러닝 모델을 그대로 적용하면 예측 성능이 제한된다. 본 연구는 이러한 데이터 특성을 체계적으로 분석하고, 이상치 처리 및 오버샘플링 기법을 적용하여 생분해성 섬유의 물성 예측 모델 성능을 개선하는 방법론을 제안한다.

서론​

폴리유산(PLA) 기반 생분해성 섬유는 환경 문제에 대한 관심 증가로 수요가 확대되고 있다. 방사 공정에서는 방사 온도, 연신비, 권취 속도, 냉각 조건 등의 공정 변수가 섬유의 인장 강도, 신도 등 물성에 복합적으로 영향을 미친다. 데이터 기반의 물성 예측 모델은 공정 최적화와 품질 관리에 핵심적인 역할을 할 수 있으나, 방사 공정 데이터의 특수한 특성을 고려하지 않으면 모델의 신뢰성이 저하된다.

방법론​

본 연구는 방사 공정 데이터의 특성을 고려한 단계적 전처리 파이프라인을 제안한다:

  1. 데이터 특성 분석:

    • 방사 공정 데이터의 분포 특성 분석: 특정 공정 조건에 데이터가 편중되는 불균형 현상 확인
    • 물성 측정 오차의 패턴 분석: 반복 측정 시 발생하는 오차의 분포와 크기 파악
    • 공정 변수와 물성 간의 상관관계 분석

  2. 이상치 처리:

    • 측정 오차에 의한 이상치와 공정 이상에 의한 이상치를 구분하여 처리
    • 도메인 지식을 활용한 이상치 판별 기준 설정
    • 물리적으로 불가능한 값을 가진 데이터 포인트 제거

  3. 오버샘플링:

    • 데이터 불균형 문제 해결을 위한 합성 데이터 생성
    • 회귀 문제에 적합한 오버샘플링 전략 수립
    • 소수 영역(sparse region)에서의 데이터 밀도 증가

  4. 물성 예측 모델:

    • 다양한 머신러닝 알고리즘 적용 및 비교 (Random Forest, XGBoost, SVR 등)
    • 전처리 전후의 모델 성능 비교를 통한 기법 효과 검증

실험 및 결과​

PLA 섬유 방사 공정의 실제 데이터를 사용하여 실험을 수행하였다:

  • 데이터 특성: 방사 공정 데이터에서 특정 온도 범위와 연신비에 데이터가 집중되어 있는 불균형 현상을 확인하였으며, 물성 측정 시 일정 수준의 반복 오차가 존재함을 분석
  • 이상치 처리 효과: 도메인 지식 기반 이상치 처리를 통해 데이터의 노이즈가 감소하고, 모델의 학습 안정성이 향상
  • 오버샘플링 효과: 데이터가 부족한 공정 조건 영역에서의 예측 성능이 개선되었으며, 모델의 일반화 능력이 향상
  • 종합 성능: 이상치 처리와 오버샘플링을 모두 적용했을 때 물성 예측 모델의 성능이 가장 크게 개선됨을 확인

결론​

본 연구는 생분해성 섬유 방사 공정 데이터의 고유한 특성인 데이터 불균형과 측정 오차를 체계적으로 분석하고, 이를 고려한 전처리 파이프라인을 제안하였다. 이상치 처리와 오버샘플링의 순차적 적용이 물성 예측 모델의 성능을 효과적으로 향상시킴을 실험적으로 입증하였다. 본 연구의 방법론은 PLA 섬유뿐만 아니라, 유사한 데이터 특성을 가진 다른 고분자 소재의 물성 예측에도 확장 적용될 수 있다.