아이디어 개요

기존의 온도 챔버 및 열 기반 제조 공정은 대부분 고정된 PID 제어 파라미터를 사용하여 운전됩니다. 이러한 방식은 초기 세팅이 간단하다는 장점이 있으나, 공정 조건이 변하지 않는다는 가정에 기반하고 있어 반복 시험 과정이나 외란 발생 시 오버슈트, 정착 지연, 불필요한 에너지 소모와 같은 문제가 자주 발생합니다.

특히 양산 전 검사 단계에서는 동일한 장비로 수십~수백 회 이상의 반복 테스트가 수행되며, 장비의 열특성 변화, 환경 온도 차이, 부하 조건 변화에 따라 최적의 PID 파라미터가 달라질 수 있음에도 불구하고, 실제 현장에서는 이를 수동으로 재조정하거나 경험에 의존해 운전하는 경우가 많습니다.

본 프로젝트는 이러한 한계를 해결하기 위해, 기존의 고정 PID 제어 방식과 AI 기반 자율 제어 방식을 비교·분석하고, AI가 공정 특성을 스스로 분석하여 제어 파라미터를 자동으로 보정하는 자율 온도 제어 시스템을 제안합니다. 이를 통해 반복 시험 환경에서도 일관된 제어 성능을 유지하고, 작업자의 개입을 최소화하는 것을 목표로 합니다.

프로젝트 내용

본 시스템은 히터, 온도 센서, 팬으로 구성된 소형 온도 챔버를 대상으로 하며,
동일한 하드웨어 환경에서 두 가지 제어 방식을 적용하여 성능을 비교합니다.

1) 기존 PID 제어 방식

• 사전에 설정된 고정 PID 파라미터 사용

• 공정 조건 변화에 따라 오버슈트 및 응답 지연 발생 가능

• 반복 시험 시 제어 성능 편차 발생

• 최적 파라미터 도출을 위해 숙련자의 경험 또는 반복 튜닝 필요

2) AI 기반 자율 제어 방식

• 초기 구동 시 또는 공정 조건 변경 시, 온도 응답 데이터를 기반으로 공정 특성을 자동 분석

• 분석 결과를 바탕으로 PID 제어 파라미터 또는 출력 제어 전략을 자동 산출·보정

• 운전 중에도 제어 성능을 지속적으로 평가하여 필요 시 재보정 수행

• 외란 발생 시에도 빠른 회복과 안정적인 온도 유지 가능

3) 비교 평가 지표

본 프로젝트에서는 다음과 같은 지표를 통해 두 제어 방식의 성능을 정량적으로 비교합니다.

• 목표 온도 도달 시 오버슈트 크기

• 정착 시간(허용 오차 범위 내 진입 시간)

• 정상 상태에서의 온도 변동 폭

• 동일 조건에서의 히터 출력 사용량(에너지 효율)

기대 효과 및 의의

AI 기반 자율 제어 시스템은 단순히 PID 제어를 대체하는 것을 넘어,
공정 특성 분석 → 제어 파라미터 결정 → 실시간 제어 적용으로 이어지는 완전한 자율 제어 루프를 구성합니다.

이를 통해,

• 반복 시험 환경에서 제어 성능의 일관성 확보

• 작업자의 수동 튜닝 부담 감소

• 공정 품질 안정화 및 에너지 효율 향상

을 동시에 달성할 수 있으며, 본 프로젝트는 콘테스트의 6대 문제 영역 중
⑤ 공정 제어·자율 최적화 루프 : AI가 공정을 분석하고 직접 제어까지 수행하는 자율 시스템을 직접적으로 구현하는 사례가 됩니다.