← 뒤로가기

단일 R&D 연구 과제 수행 실적

실제 환경에서 수집한 공정 센서 데이터를 기반으로 수행된 지능형 조기 화재 예측 알고리즘의 단일 실증 프로젝트 세부 데이터입니다.

Research & Development Finished 검증 완료 및 학술 실증 연계

반도체 WSS 공정 복합 센서 데이터 활용
딥러닝(LSTM) 기반 지능형 화재 감지 R&D 과제

본 연구 과제는 공정 내 설비 사도에서 획득한 정상 상태 데이터를 분석하여 시계열 화재 징후 학습의 신뢰성을 확인하고, 기성 화재 경보 시스템의 오탐지 리스크를 줄이기 위해 독립적으로 설계 및 수행되었습니다.

데이터 수집 설비 WSS 공정 내 핵심 4개 설비측

수집 원천 데이터 TVOC, CO₂, 온도, 습도, 연기 값

알고리즘 모델 LSTM Deep Learning

데이터 수집 단위 2개월 동안 시계열

모사 실험 구역에 다수의 센서 어레이를 설치한 뒤, 2분간 토치 장비 가열을 가해 인위적인 확산 연기를 발생시키고 15분간 거리별 변화 거동을 반복 계측하여 수집 규칙을 검증했습니다.

실제 적용된 가열 연소 실험 체계

일반 전선 단락 난연 전선 단락 전선 묶음 발화 종이 인화성 화재

화재 감지 속도 개선

2분 30초 단축 달성

기존 하드웨어 한계치 기반 감지 방법 대비 화재 인지 지연 시간을 약 6.3% 개선하였습니다.

오경보 방지 신뢰성

정상 범위 비교 기반 오경보 필터링

평상시 가동 데이터를 모델에 사전 학습시킨 후, 새 데이터가 이 정상 범주에 머물 때(무해 변동, 비화재)와 이탈할 때(화재)를 구분해 공정이 멈추는 오경보를 효과적으로 차단합니다.