엠아이큐브솔루션주식회사 총0명이 열람하였으며, 0개의 리뷰가 있습니다.

엠아이큐브솔루션주식회사의 전체 정보

기업개요 및 핵심역량(요약)

기업개요1) 기업 소개 엠아이큐브솔루션(주)은 제조(Manufacturing) 현장의 생산, 설비 및 품질 관리 프로세스에서 발생하는 다양한 정보(Information)를 통합(Integration)하고 지능화(Intelligence)하기 위한 스마트 팩토리 솔루션을 개발, 공급하는 소프트웨어 전문 기업입니다. 당사는 2005년 설립 이후 전기/전자, 반도체, 식품, 제철, 2차 전지, 항공우주 등 다양한 제조 업종에 MES(Manufacturing Execution System)를 중심으로 한 맞춤형 스마트 팩토리 솔루션을 제공해 왔습니다. 이를 통해 고객이 보다 쉽게 생산 활동 전반의 데이터를 획득하고 공유하여 효율적인 의사결정을 할 수 있도록 지원하고 있습니다. 삼성전기, 삼성SDI, SK하이닉스, CJ제일제당, 한국항공우주산업, 현대건설, 현대제철, 조선내화 등 다양한 고객사의 스마트공장 시스템을 구축, 고도화한 풍부한 경험과 노하우를 토대로 제조 현장에 필요한 스마트 팩토리 솔루션 포트폴리오를 보유하고 있습니다. 자체 개발한 MES 솔루션 ‘SmartFactory’ 부터 EES(Equipment Engineering System), 온라인 설비 제어, MCS(Material Control System) 외 RFID, 전자라벨 등 IoT 시스템에 이르는 다양한 솔루션 라인업을 기반으로 고객의 Needs와 Wants에 부합하는 스마트 팩토리 시스템을 구현하고 있습니다. 또한, ‘AI 기반의 디지털 플랫폼 Enabler’로서의 역할을 수행하기 위해 제조 특화 AI 솔루션 개발 연구과제 및 지원사업에도 적극 참여하고 있으며 설비 효율 관리 시스템인 EES 솔루션에 AI 엔진을 탑재하여 실시간 제조 데이터 분석 기능을 제공하는 신개념의 제조 Digital Transformation(DT) 솔루션과 설비 예지보전 및 공정 품질 개선을 위한 AI Dev/Ops 플랫폼을 개발하였습니다. 또한, 자체 확보한 AI 관련 솔루션을 정부지원 R&D 및 사업화 과

기업한글명

엠아이큐브솔루션주식회사

도로명주소

서울특별시 서초구 남부순환로 2419 (서초동)

등록일

2025-01-24

링크(URL)

https://kdata.or.kr/datavoucher/is/selectPortalFileDetail.do?rcpnYear=2025&brno=1068638166&sprnSctrCd=P01014002&prdcId=&sprnDsncCd=P11014001

보유솔루션(요약)

1) AI 솔루션- 제조현장에서 발생하는 데이터 분석을 위한 AI 솔루션으로, 시계열 데이터들의 상관관계 추정과 품질에 미치는 인자들을 추출할 수 있도록 빅데이터 시각화 기술을 제공하며, Line Plot, Histogram, 군집화분석 기능, 데이터분포 변화분석 및 2차원/다차원 Bi-Variate 시계열분석 기능을 제공함?제조 빅데이터 분석 & 활용: 제조 데이터 분석 모델링을 위한 전처리 기능 및 시각화 도구 지원?제조 특화 AI 서비스 MLOps 플랫폼: Deep Learning 기술 기반 제조 특화 AI 서비스 개발을 위한 모델 설계, 개발·운영 환경 제공?설비 예지보전 업무 간소화 & 생산성 향상: AI 기반 이상 감지 & 진단을 통한 상시 감독 체계 구축 및 불량 요인 사전 제거?공정별 결함 검출 & 제어: AI 기반 검사 시스템 구축을 통한 검사 시간 단축, Human Error 제거 2) EES(Equipment Engineering System) 솔루션- SmartEES는 설비 효율을 극대화하기 위한 솔루션으로, EPT(Equipment Performance Tracking), RMS(Recipe Management System), FDC(Fault Detection&Classification) 서비스가 포함되며 고객의 요구에 따라 선택적으로 서비스를 제공함?설비 효율 극대화: 실시간 설비 제어, 모니터링 목적의 RMS, EPT, FDC 등 모듈형 서비스 제공?설비 모니터링 및 비가동 분석: 무중단 운영을 위한 실시간 알람과 유실 분석으로 설비 종합 효율 향상?설비 종합 지표: 설비 Cycle Time 최소화를 위한 분석 데이터 제공?파라미터 차트 분석: 설비 파라미터 실시간 모니터링, 비교 분석을 통해 불량 최소화, 생산성 향상

상세주소

2층~5층

설립일자

2005-08-29

실적(요약)

주요 실적번호납품처사업명사업 내용사업 기간1삼화왕관AI 바우처 사업음료 용기 플라스틱 캡의 상단 인쇄 박리 불량의 원인 분석과 사전 예측을 위한 AI 모델 개발2021.04.01.~2021.10.31.2인터엠AI 바우처 사업SMT 라인 내 검사 공정에서 발생하는 설비데이터와 검사 결과 데이터를 활용하여 선행 공정의 불량을 검출하는 AI 모델 개발2021.04.01.~2021.10.31.3KAIST제조데이터 AI 분석 서비스포털 고도화제조데이터 AI 분석 서비스포털 고도화2021.09.17.~2021.12.15.4KAIST자유목적 제조 AI 데이터셋 구축자유목적 제조 AI 데이터셋 구축2021.09.15.~2021.12.15.5피에스텍AI 솔루션 실증지원 사업전원테스터기의 출력값 및 파형분석을 통한 이상진단 모델 개발2021.11.15.~2022.03.14.6알루스AI 솔루션 실증지원 사업압출설비의 데이터 패턴 분석을 통한 설비 이상감지 모델 개발2021.11.15.~2022.03.14.7인터엠AI 솔루션 실증지원 사업SMT 라인 내 AOI 검사기에서의 가성불량률 감소를 위한 모델 개발2021.11.15.~2022.03.14.8영신특수강AI 솔루션 실증지원 사업완제품 출고 시 제품의 표면불량 위치와 불량 유형 3가지(표면, 녹, 그라인딩) 감지 모델 개발2021.11.15.~2022.03.14.9인터로조AI 기반 스마트공장 보급사업공정조건 최적화 및 설비 이상 감지를 위한 AI 기반 스마트공장 구축 2021.12.21.~2023.05.20.10조선내화인공지능 스마트공장 구축 지원사업(고도화1)(AI실증 연계)불량 판별 및 유형 감지를 위한 AI 기반 스마트공장 구축2021.12.24.~2023.03.23.11이앤티스소재AI 바우처 사업고함철단광 혼합공정의 최적 배합비 산출 및 완제품 품질 예측 모델 개발2022.04.01.~2022.10.31.12경기테크노파크경기도 미래차 산업 육성을 위한 AI 기반 제조데이터 활성화 사업설명 가능한 AI 기술을 활용한 경기도

유지보수(후속지원)전략(요약)

수요기업 유지보수(후속 지원) 및 협업체계 전략 1. 서비스 제공 계획1) 필요 기술 및 방법- 설비 통신 연결 및 데이터 송수신 기술을 통한 설비 상태 및 주요 파라미터 수집- 고속의 다량의 데이터의 분산 처리를 통한 메시지 안정성 보장- 전처리 기술을 통한 진성 데이터 추출 및 적재- 설비 데이터 추출, 분석, 이상 감지 기술- 빅데이터 기반의 다양한 AI 모델 반영 및 최적의 모델 제시 기술 2) 제공 전략- 서비스 전문 개발자 선 투입을 통한 설비 데이터 수집 조기 달성 및 기술 전수- 공급기업의 기업부설연구소의 AI 개발인력 참여를 통한 최적의 모델 도출 조기 달성- 모델 설비 기준으로 1차 오픈 후 다양한 AI 모델을 통한 최적의 AI 모델 제시하고, 최적의 AI 모델의 타 설비 조기 확산 2. 서비스 제공 목표- 가공서비스를 제공함으로써 품질/생산성/납기준수율을 향상시켜 수요기업의 스마트공장 구축 및 고도화 추진 3. 관리 계획1) 목표 산출물 및 시스템의 설계 및 합의- Needs를 만족시킬 수 있는 AI 모델 적용 결과물을 수행기업과 합의를 통하여 도출- 도출된 AI 모델에 여러 인자 값의 사용자 입력을 통하여 결과를 예측할 수 있는 시뮬레이션 제공 2) 애자일 개발방법론 적용- 결과에 대한 기대와 효과에 대한 상이한 평가는 합의가 원활히 이루어지지 않은 것에 기인하므로, 시행착오를 줄이기 위해 민첩하고 필요한 업무에만 집중하는 개발방법론의 활용 필요- 효과적인 개발업무 및 원활한 소통진행을 위해 애자일 스크럼(Agile Scrum) 프로세스 또는 개발방법론 활용 3) 전 공정 확산을 대비한 표준화 방안 마련- AI 모델 적용 확산 대비 전 공정 확대 시, 표준화 방안 마련 4. 가공서비스 제공 방안- 제조정보 보호와 시스템 접근성을 고려하여 On-Premise로 구축- 연간 유지보수 계약을 별도로 체결하여 도입 솔루션의 운영 안정성 확보- 설비 지능화를 할 수 있는 AI 모델의 지속 공급 계약 체결 예정이

주요서비스 상세정보(요약)

구분 설명 일반 서비스 데이터 전처리 - 데이터의 수집 이후 알고리즘 개발을 착수 할 수 있는 기본 적인 분석용 데이터 구성 작업 - 훈련용과 검증용 데이터로 별도로 구성하여 데이터 준비 - 결측치와 이상치 처리 - 지도학습과 비지도학습에 따른 labeling 작업 - 모델 정확도 및 성능 향상을 위한 데이터 재구성 작업 - 상관분석을 통한 다중공선성(multicolinearity) 제거, 도구변수 (Instrumental Variable) 탐색, 시계열 자료 내 자기상관성 (autocorrelation) 제거 등 데이터 벡터공간(vector space)을 재조정하여 알고리즘에 최적화 시키는 작업 데이터 시각화 - 획득한 데이터를 데이터 시각화 도구를 이용하여 시각화 - 입력 데이터의 차원 축소와 DNN(Deep Neural Network) 모델의 Input Space 설계 지원 제조 특화 서비스 설비 예지보전 - 다변량 모델기반 제조설비 이상 감지로 설비예지보전 및 효율 향상 품질검사 지능화 - 딥러닝 결함 검출/분류 자동화로 품질향상 및 인력 효율화 공정 지능화 - 공정과 불량데이터 연계 및 불량 원인 분석 2.서비스 우수성1)데이터 전처리?모델에 포함된 변수 중 결과에 영향을 미칠 수 있는 이상치 및 결측치 처리, 통계처리/범주화 등 수행?상관관계가 낮은 변수 제거나 차원 축소 방법론을 통해 다변수를 효과적으로 처리 가능?품질에 영향을 미치는 요소 부

카테고리구분

전처리,시각화,분석,설계,생성·수집,자동화

품질확보전략(요약)

품질 확보 방안 1. 제조데이터 주요 품질요소 및 전략- 제조데이터 플랫폼에서는 일반데이터와 달리 공공분야 데이터와 거래를 위한 비즈니스 성향의 데이터를 모두 고려한 품질전략 요구 [표3-2] 제조 데이터 품질전략주요 품질 요소데이터 품질 전략정확성(Accuracy)- 사용 목적에 따른 정확성 기준 별도 적용완전성(Completeness)- 필요한 데이터의 완전한 확보보다 필요한 데이터를 식별하는 수준 적용 가능적시성(Timeliness)- 소멸성 강한 데이터의 품질 기준 수립- 로그, 위치 데이터 등은 당시에만 타당성일관성(Consistency)- 동일한 데이터라도 사용 목적에 따른 수집기준으로 인해 데이터 의미 상이연속성 (Continuity)- 제조 공정에서 제조 장비로부터 생성되는 시간의 연속성 기반 품질 수준 적용 가능공공성(public)- 제조 빅데이터 플랫폼의 공공성을 위한 공공기준의 품질 수준 적용영리성(commerciality)- 센터와 민간 데이터 제공 제조 기업들을 위한 비즈니스 기반의 품질 수준 적용 2. 효과적 데이터 품질관리 체계- 품질관리를 위한 제조 데이터의 메타데이터 수집 수행- 제조 데이터에 특화된 표준 관리 시스템, 영향 분석 시스템, 품질관리 시스템 운영 [그림3-3]제조 데이터 품질관리 체계

활용사례(요약)

활용 사례1.식품 업종 스마트팩토리 고도화 사례'AI기반 포장지 인쇄 공정 최적화'고객사 분석인쇄 박리 불량 발생으로 인한 박리 검사 시간 등의 Quality Cost 및 고객 불만족 등의 손실 발생설비의 속도 증가로 인해 불량률이 함께 증가하는 현상에 대해 경험 및 아날로그 정보 기반으로 대응F&B 업계에는 ESG 경영이 중요해짐에 따라 플라스틱 폐기, 패키징 라벨 사용 등에 대한 환경 이슈 중요성 대두식품 업종 스마트팩토리 고도화 위한 AI 기반 DX 전략공정 조건별 인쇄 박리 현상 최소화 AI 모델을 기반으로 최적의 공정 조건 도출 및 불량 예측 시스템을 구축하여 대량 생산으로 인해 전수 검사가 어려운 제조 조건에 대응센서를 통해 설비의 주요 파라미터 등 데이터 수집 및 FDC 모니터링을 통해 배합비 등의 Spec out 발생 시 자동 알람 발생과 Interlock 대응식품 업종 스마트팩토리 고도화 효과포장재 생산 라인 내 설비 CPM 속도 20% 향상스마트 팩토리를 활용한 유실 공수 50% 감소F&B 업계 환경 정책에 대응하는 기술력 확보와 포장재 관련 ESG 경영 방향 준수2.광학 업종 스마트팩토리 고도화 DX 사례'사출성형 최적 공정조건 도출'주요 과제콘택트렌즈 생산 과정에서 렌즈의 도수 규격 불량 사례 다수 발생 (제품의 품질 문제가 아닌 도수 규격의 불일치 현상임)도수 규격 불량 발생 시 불용재고 관리 비용이 소요되며 유효기간 경과 시 폐기목표 도수의 렌즈 생산을 위한 사출인자 추출 및 최적의 사출 운전 조건을 검출하는 기술 적용 필요해결책PLC를 통한 사출성형 설비 데이터 수집으로 실시간 모니터링생산조건에 따른 제품 생산 핵심 관리 변수 및 최적 공정조건 제시 AI 모델링 (XGBoost, PSO 알고리즘 적용)MES 데이터와의 인터페이스를 통해 도수 모델 개발과 중요 변수 확인변수 정제 및 설비 데이터 추가 등의 작업을 통한 학습 데이터셋 적용목표 도수 생산에 필요한 최적 설비 운전조건 탐색 및 설비 효율 극대화 솔루션에 적용도