Development of an AI Model for Quality Prediction and Root Cause Tracing of Cathode Materials Based on FeatureMAP Image Analysis

이차전지 양극재 생산 공정은 제품 완성 후 불량 판정 시 수행되는 반복적인 시운전으로 인해 고가의 원자재 손실과 막대한 시간이 소요되는 한계가 있다. 특히 원재료, 제조 공정, 최종 품질 데이터가 순차적으로 축적되지만 데이터 간 발생 시점과 형태가 상이하여 생산 조건과 품질 간의 통합적인 상관관계 파악이 어렵다. 본 연구에서는 이를 해결하고자 공정 내 시계열 데이터를 Recurrence Plot 기법으로 이미지화한 FeatureMAP 구조를 제안하고, EfficientNetV2 알고리즘을 활용하여 품질 등급을 예측하는 AI 모델을 구축하였다. 특히 슬라이딩 윈도우 기법을 적용하여 공정의 시계열적 연속성을 보존하는 동시에 제한된 제조 데이터를 효과적으로 증강하였으며, Grad-CAM을 통해 품질에 영향을 미치는 핵심 요인을 식별함으로써 불량 원인의 추적성을 확보하였다. 이미지는 총 16,341장이 사용되었으며, 정확도 95.07%를 달성하였다.