날씨 빅데이터 활용으로 품질 향상 기대

공장 관측 데이터와 날씨 예보 데이터를 분석하고 결로 발생을 예측해 미리 대응할 수 있게 하는 결로 예보 시스템.

회사는 최근 기상청과 함께 대학생 등을 대상으로 콘테스트를 열고 ‘공장 내 철강 제품의 결로(結露)1) 발생 예측 모형 개발’을 위한 다양한 아이디어를 모집했다. XGBoost2) 등의 머신러닝 기법을 활용해 결로 위험 지수를 산출하는 개선 모델, 내외부 상황을 효율적으로 확인할 수 있는 모니터링 시스템 등 우수한 개선 아이디어가 이번 콘테스트를 통해 발굴됐다.

이 같은 우수 아이디어들을 바탕으로 다양한 결로 예측 모델 개발을 시작한다. 적용 가능한 결로 예측 모델을 선정해 추가 개선 작업을 거친 뒤 올해 내 적용을 검토 중이다. 또한 작업자들이 현재 상황을 한 눈에 알아보기 쉽도록 시각화한 정보 화면과 스마트폰 앱도 개발할 예정이다.

새롭게 적용할 결로 예보 시스템은 온·습도 등의 공장 관측 데이터와 날씨 예보 데이터를 종합적으로 고려해 24~48시간 뒤의 코일 제품과 공장 내부의 온·습도를 예측하고, 이를 바탕으로 이슬점을 계산해 결로를 예보한다. 회사는 이번 예측 모델 활용을 통해 결로 예보 시스템의 신뢰성을 향상한다는 계획이다. 우수한 아이디어를 낸 참가팀에게는 상장과 상금이 수여됐으며 향후 입사 지원 시에는 가산점이 부여된다.

제품 창고에서 출고를 기다리는 냉연 제품

결로는 철강재에 녹 또는 얼룩을 발생 시켜 품질 불량을 야기한다. 따라서 결로 예보 시스템의 정확성을 높이는 것은 철강업계의 큰 과제다. 예보가 정확할수록 사전 예측과 대응을 통해 잠재적인 품질 손실의 위험을 줄일 수 있기 때문이다.

회사 관계자는 “예상보다 훨씬 많은 팀이 지원을 했고 이에 따라 실무에 활용할 수 있는 수준 높은 데이터 분석 및 예측 모형을 확보할 수 있게 됐다”며 “향후 제시된 다양한 모델을 기반으로 철강 산업에 특화된 빅데이터 분석 연구를 확대해 품질 향상에 기여할 것”이라고 설명했다.

이번 ‘2020 날씨 빅데이터 콘테스트’에는 총 331팀이 참가해 이 중 10개 팀이 최종 본선에 올랐으며 ‘이슬 맺힘 발생 위험에 대한 예측모델‘을 제시한 KKS팀 등 6개 팀이 수상했다.

¹⁾결로 대기의 온도가 이슬점 이하로 떨어져 철강재 표면에 물방울이 맺히는 현상
²⁾XGBoost 비정형 데이터까지 활용해 예측 정확도가 우수한 인공지능 의사결정 기법의 일종