Comparative Study of AI-based Temperature Prediction Models for Paint Quality Management and Energy Efficiency : A Case Study of a Shipyard

본 연구는 제한된 공정 데이터 환경에서 도장의 온도를 예측하기 위한 머신러닝 및 딥러닝 모델의 성능을 비교 분석하였다. 작업동 센서 데이터와 ASOS 기상 데이터를 결합하여 Ridge, Lasso, Random Forest와 같은 머신러닝 기법 모델과 RNN, LSTM과 같은 딥러닝 기법 모델의 평가를 진행하였다. 평가 시에는 보수적인 조선소 운영 환경을 고려하여 단순 정확도 뿐만 아니라 예측 변동성과 통계적 유의성을 함께 검토하였다. 연구결과, 순환 신경망 모델들이 높은 안정성과 우수한 예측 성능을 보여주었다. 이러한 결과는 도장 품질 향상과 에너지 효율화를 위한 스마트 조선소 운영 전략 수립에 기여할 것으로 기대되며, 향후 이를 기반으로 한 고도화 연구를 수행하고자 한다.